Research on Geographic Topic Trend in Online Social Network
摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第8-15页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 研究现状 | 第9-12页 |
1.2.1 话题检测与追踪的发展历程 | 第9-10页 |
1.2.2 话题检测技术研究现状 | 第10-11页 |
1.2.3 话题追踪技术研究现状 | 第11-12页 |
1.3 研究内容 | 第12-13页 |
1.4 论文组织结构 | 第13-15页 |
第二章 相关理论知识 | 第15-25页 |
2.1 在线社交网络 | 第15-16页 |
2.2 语言模型 | 第16-18页 |
2.2.1 向量空间模型 | 第16页 |
2.2.2 统计语言模型 | 第16-17页 |
2.2.3 主题概率模型 | 第17-18页 |
2.3 LDA模型 | 第18-24页 |
2.3.1 模型概述 | 第18-19页 |
2.3.2 吉布斯采样 | 第19-24页 |
2.4 本章小结 | 第24-25页 |
第三章 数据获取与预处理 | 第25-30页 |
3.1 Tweet的结构 | 第25-26页 |
3.2 Twitter开放API | 第26-27页 |
3.3 数据获取 | 第27页 |
3.4 数据统计分析 | 第27-29页 |
3.5 数据预处理 | 第29页 |
3.6 本章小结 | 第29-30页 |
第四章 社交网络话题性与地域性分析 | 第30-35页 |
4.1 用户的地域性和话题性分析 | 第30-31页 |
4.2 地域和话题对词项使用的影响 | 第31-33页 |
4.3 地域对话题产生的影响 | 第33-34页 |
4.4 本章小结 | 第34-35页 |
第五章 地域性话题发现与追踪 | 第35-51页 |
5.1 地域性话题发现 | 第35-47页 |
5.1.1 模型概述 | 第35-36页 |
5.1.2 模型构建 | 第36-38页 |
5.1.3 转移概率推导 | 第38-44页 |
5.1.4 模型参数估计 | 第44-47页 |
5.2 地域性话题追踪 | 第47-50页 |
5.2.1 地域性话题向量化 | 第47-49页 |
5.2.2 新文档语义建模 | 第49页 |
5.2.3 话题与新文档相关度计算 | 第49页 |
5.2.4 话题追踪方法 | 第49-50页 |
5.3 本章小结 | 第50-51页 |
第六章 实验设计与分析 | 第51-59页 |
6.1 实验环境 | 第51页 |
6.2 实验评价指标 | 第51-53页 |
6.3 实验结果与分析 | 第53-58页 |
6.4 本章小结 | 第58-59页 |
第七章 原型系统设计与实现 | 第59-63页 |
7.1 原型系统架构 | 第59页 |
7.2 系统模块划分 | 第59-61页 |
7.2.1 数据管理模块 | 第60页 |
7.2.2 话题发现模块 | 第60-61页 |
7.2.3 话题追踪模块 | 第61页 |
7.3 系统数据流图 | 第61-62页 |
7.4 系统实现 | 第62页 |
7.5 本章小结 | 第62-63页 |
第八章 总结和展望 | 第63-65页 |
8.1 研究工作总结 | 第63-64页 |
8.2 研究工作展望 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-68页 |