社交网络热点话题传播分析和预测
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第15-23页 |
| 1.1 研究背景 | 第15-19页 |
| 1.2 面临的挑战 | 第19页 |
| 1.3 本文的工作 | 第19-23页 |
| 1.3.1 研究目标与内容 | 第19-21页 |
| 1.3.2 研究成果 | 第21-22页 |
| 1.3.3 论文的组织结构 | 第22-23页 |
| 2 相关研究综述 | 第23-47页 |
| 2.1 话题检测与跟踪 | 第23-31页 |
| 2.1.1 TDT任务及相关研究 | 第24-26页 |
| 2.1.2 话题检测相关方法 | 第26-30页 |
| 2.1.3 热点话题检测相关研究 | 第30-31页 |
| 2.2 异常事件检测 | 第31-35页 |
| 2.2.1 基于统计的异常检测方法 | 第31-32页 |
| 2.2.2 基于距离的异常检测方法 | 第32-34页 |
| 2.2.3 基于密度的异常检测方法 | 第34页 |
| 2.2.4 基于偏离的异常检测方法 | 第34-35页 |
| 2.3 流行度演化分析和预测 | 第35-42页 |
| 2.3.1 基本概念和定义 | 第36-37页 |
| 2.3.2 流行度演化分析 | 第37-39页 |
| 2.3.3 流行度影响因素 | 第39-41页 |
| 2.3.4 流行度预测 | 第41-42页 |
| 2.4 信息传播与溯源 | 第42-46页 |
| 2.4.1 信息传播 | 第43-44页 |
| 2.4.2 信息溯源 | 第44-46页 |
| 2.5 本章小结 | 第46-47页 |
| 3 热点话题动态检测和跟踪 | 第47-71页 |
| 3.1 问题描述 | 第47-50页 |
| 3.2 相关定义 | 第50-51页 |
| 3.3 分布式预处理 | 第51-55页 |
| 3.3.1 分词、降噪和特征抽取 | 第51-53页 |
| 3.3.2 基于Map/Reduce的预处理实现 | 第53-55页 |
| 3.4 热点话题动态检测和跟踪模型 | 第55-70页 |
| 3.4.1 事件时间异常检测 | 第56-58页 |
| 3.4.2 事件空间异常检测 | 第58-60页 |
| 3.4.3 热点话题动态检测和跟踪 | 第60-65页 |
| 3.4.4 实验分析 | 第65-70页 |
| 3.5 本章小结 | 第70-71页 |
| 4 热点话题流行度演化分析和预测 | 第71-88页 |
| 4.1 热点话题流行度分析 | 第71-77页 |
| 4.1.1 数据分析 | 第71-73页 |
| 4.1.2 热点话题流行度预测模型 | 第73-74页 |
| 4.1.3 实验分析 | 第74-77页 |
| 4.2 流行度演化分阶段分析 | 第77-80页 |
| 4.2.1 分阶段分析 | 第77-79页 |
| 4.2.2 影响因素分析及量化 | 第79-80页 |
| 4.3 基于深度学习的流行度预测 | 第80-87页 |
| 4.3.1 基于LSTM的动态嵌入 | 第81-83页 |
| 4.3.2 基于CNN的静态嵌入 | 第83-84页 |
| 4.3.3 模型训练 | 第84-85页 |
| 4.3.4 实验分析 | 第85-87页 |
| 4.4 本章小结 | 第87-88页 |
| 5 热点话题传播分析和溯源 | 第88-99页 |
| 5.1 信息传播方式刻画 | 第88-90页 |
| 5.2 话题传播网络分析 | 第90-93页 |
| 5.3 话题溯源方法 | 第93-96页 |
| 5.4 实验分析 | 第96-98页 |
| 5.5 本章小结 | 第98-99页 |
| 6 社交网络热点话题传播分析和预测系统 | 第99-108页 |
| 6.1 系统总体架构 | 第99-102页 |
| 6.2 功能模块 | 第102-108页 |
| 6.2.1 热点话题动态检测和跟踪 | 第102-104页 |
| 6.2.2 热点话题流行度演化分析和预测 | 第104-106页 |
| 6.2.3 热点话题传播分析和溯源 | 第106-108页 |
| 7 总结与展望 | 第108-111页 |
| 7.1 工作总结 | 第108-109页 |
| 7.2 研究展望 | 第109-111页 |
| 参考文献 | 第111-125页 |
| 作者简历及在学研究成果 | 第125-128页 |
| 学位论文数据集 | 第128页 |
