一种结合时间信息的动态事件追踪模型
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 事件追踪的国内外研究现状 | 第10-11页 |
| 1.3 主要工作和创新点 | 第11-12页 |
| 1.4 本文的组织结构 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 相关理论知识和方法综述 | 第13-21页 |
| 2.1 舆情的概念 | 第13页 |
| 2.2 话题检测与追踪的相关知识 | 第13-16页 |
| 2.2.1 话题检测与追踪的基本概念 | 第13-14页 |
| 2.2.2 文本表示模型 | 第14-16页 |
| 2.3 话题漂移 | 第16页 |
| 2.4 话题追踪模型 | 第16-17页 |
| 2.5 事件的基础知识 | 第17-18页 |
| 2.5.1 事件等相关概念 | 第18页 |
| 2.5.2 事件与文档的相似度计算 | 第18页 |
| 2.6 事件检测和追踪 | 第18-20页 |
| 2.7 本章总结 | 第20-21页 |
| 第3章 动态追踪模型的描述 | 第21-25页 |
| 3.1 改进的向量空间模型 | 第21-23页 |
| 3.1.1 传统向量空间模型的表示 | 第21页 |
| 3.1.2 改进的向量空间模型 | 第21-23页 |
| 3.2 时间距离和时间相似度的计算方法 | 第23-24页 |
| 3.3 本章总结 | 第24-25页 |
| 第4章 事件特征词集更新算法 | 第25-30页 |
| 4.1 建立初始事件特征词集 | 第26页 |
| 4.2 利用事件特征词集追踪后续文档 | 第26-28页 |
| 4.3 更新事件特征词集 | 第28-29页 |
| 4.4 本章总结 | 第29-30页 |
| 第5章 实验与分析 | 第30-39页 |
| 5.1 实验目的及方案 | 第30-31页 |
| 5.2 实验环境及测试集介绍 | 第31-32页 |
| 5.3 实验详细步骤 | 第32-34页 |
| 5.4 实验的程序设计 | 第34-35页 |
| 5.5 实验结果分析 | 第35-37页 |
| 5.5.1 两种模型的性能对比 | 第35-36页 |
| 5.5.2 两种模型输出的 Ei对比分析 | 第36-37页 |
| 5.6 本章总结 | 第37-39页 |
| 第6章 总结与展望 | 第39-41页 |
| 6.1 总结 | 第39-40页 |
| 6.2 研究和展望 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 附录 新模型与传统向量空间模型的主要算法对比 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间取得的科研成果 | 第50页 |
