| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本文组织 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 理论基础及相关工作 | 第18-28页 |
| 2.1 话题追踪与检测 | 第18-19页 |
| 2.1.1 话题定义 | 第18页 |
| 2.1.2 话题检测与追踪任务 | 第18-19页 |
| 2.2 TWITTER数据处理 | 第19-21页 |
| 2.2.1 Twitter事件描述 | 第19-20页 |
| 2.2.2 NLTK工具 | 第20页 |
| 2.2.3 文本分词 | 第20-21页 |
| 2.2.4 文档向量空间模型 | 第21页 |
| 2.3 层次聚类方法 | 第21-22页 |
| 2.4 逻辑回归分类方法 | 第22-24页 |
| 2.5 文档自动摘要技术 | 第24-27页 |
| 2.5.1 自动摘要技术简介 | 第24页 |
| 2.5.2 自动摘要研究框架 | 第24-25页 |
| 2.5.3 自动摘要的评价方法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于时间窗分割的微博事件阶段检测算法 | 第28-40页 |
| 3.1 问题描述 | 第28-30页 |
| 3.2 推文分割 | 第30-33页 |
| 3.3 算法设计 | 第33-39页 |
| 3.3.1 推文数据建模 | 第33-35页 |
| 3.3.2 推文混合相似度计算 | 第35页 |
| 3.3.3 基于混合相似度的推文聚类 | 第35-37页 |
| 3.3.4 筛选事件的重大发展阶段 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于混合打分模型的微博事件摘要生成算法 | 第40-54页 |
| 4.1 问题描述 | 第40-41页 |
| 4.2 算法设计 | 第41-52页 |
| 4.2.1 问题建模 | 第42-43页 |
| 4.2.2 推文文本质量评分 | 第43-45页 |
| 4.2.3 推文概括度评分 | 第45-47页 |
| 4.2.4 推文用户的影响力评分 | 第47-52页 |
| 4.3 摘要生成 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 系统实现与评估 | 第54-66页 |
| 5.1 系统框架设计 | 第54-57页 |
| 5.2 实验的数据集 | 第57页 |
| 5.3 实验结果评估 | 第57-64页 |
| 5.3.1 基于时间窗分割的微博事件阶段检测算法评估 | 第57-60页 |
| 5.3.2 基于混合打分模型的微博事件摘要生成算法评估 | 第60-64页 |
| 5.4 聚类阈值选择实验 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 在学期间取得的与学位论文相关的研究成果 | 第72页 |