| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1. 绪论 | 第9-15页 |
| 1.1. 研究背景及研究意义 | 第9-11页 |
| 1.1.1. 研究背景 | 第9-10页 |
| 1.1.2. 研究意义 | 第10-11页 |
| 1.2. 相关工作研究现状 | 第11-12页 |
| 1.2.1. 面向正式文本的事件抽取 | 第11-12页 |
| 1.2.2. 面向特定域的微博事件抽取 | 第12页 |
| 1.2.3. 面向开放域的微博事件抽取 | 第12页 |
| 1.3. 本文研究动机 | 第12-13页 |
| 1.3.1. 面向微博文本抽取事件的面临困难和挑战 | 第13页 |
| 1.3.2. 现有方法的局限性 | 第13页 |
| 1.4. 论文研究目标及内容 | 第13-14页 |
| 1.5. 论文结构安排 | 第14-15页 |
| 2. 理论知识及相关技术 | 第15-23页 |
| 2.1. 基于隐事件模型的微博事件抽取 | 第15-16页 |
| 2.2. 狄利克雷分布 | 第16-18页 |
| 2.3. 狄利克雷过程 | 第18-20页 |
| 2.4. 词向量 | 第20-22页 |
| 2.5. 本章小结 | 第22-23页 |
| 3. 基于DPEMM的微博事件抽取 | 第23-36页 |
| 3.1. DPEMM模型 | 第23-27页 |
| 3.1.1. 模型介绍 | 第23-25页 |
| 3.1.2. 模型估计 | 第25-27页 |
| 3.1.3. 基于频率的后处理 | 第27页 |
| 3.2. 实验结果与分析 | 第27-35页 |
| 3.2.1. 实验设置 | 第27-31页 |
| 3.2.2. 实验结果 | 第31-32页 |
| 3.2.3. 事件抽取样例 | 第32页 |
| 3.2.4. 聚簇分析 | 第32-34页 |
| 3.2.5. 超参数分析 | 第34-35页 |
| 3.3. 本章小结 | 第35-36页 |
| 4. 基于DPEMM-WE的微博事件抽取 | 第36-46页 |
| 4.1. DPEMM-WE模型 | 第36-40页 |
| 4.1.1. 模型动机 | 第36页 |
| 4.1.2. 模型介绍 | 第36-38页 |
| 4.1.3. 模型估计 | 第38-39页 |
| 4.1.4. 基于共现信息的后处理 | 第39-40页 |
| 4.2. 实验结果与分析 | 第40-45页 |
| 4.2.1. 实验设置 | 第40-41页 |
| 4.2.2. 实验结果 | 第41页 |
| 4.2.3. 词向量分析 | 第41-42页 |
| 4.2.4. 聚簇分析 | 第42-44页 |
| 4.2.5. 事件抽取样例 | 第44-45页 |
| 4.3. 本章小结 | 第45-46页 |
| 5. 总结与展望 | 第46-47页 |
| 5.1. 工作总结 | 第46页 |
| 5.2. 未来展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 在校期间发表论文 | 第53页 |