面向微博突发事件发现的自适应社区检测算法研究及系统实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 微博事件检测研究现状 | 第11-13页 |
| 1.2.1 文档优先与特征优先 | 第11-12页 |
| 1.2.2 回顾式事件和新事件发现 | 第12-13页 |
| 1.3 本文的主要内容和结构安排 | 第13-15页 |
| 第2章 特征优先的微博突发事件检测 | 第15-27页 |
| 2.1 算法框架 | 第15-16页 |
| 2.2 特征检测 | 第16-21页 |
| 2.2.1 概率生成模型 | 第16-17页 |
| 2.2.2 指数平滑预测 | 第17-19页 |
| 2.2.3 频域分析 | 第19-20页 |
| 2.2.4 总结 | 第20-21页 |
| 2.3 事件生成 | 第21-25页 |
| 2.3.1 基于向量空间模型与文档聚类的事件生成 | 第21-22页 |
| 2.3.2 基于网络模型与社区检测的事件生成 | 第22-25页 |
| 2.3.3 总结 | 第25页 |
| 2.4 事件检测的评价标准 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 面向带权动态网络的自适应社区检测算法 | 第27-53页 |
| 3.1 带权动态网络模型 | 第27-30页 |
| 3.1.1 模型定义及符号标记 | 第27-28页 |
| 3.1.2 权重强度 | 第28-29页 |
| 3.1.3 调整Modularity指标 | 第29-30页 |
| 3.2 QCA算法 | 第30-32页 |
| 3.2.1 符号标记及目标函数 | 第30页 |
| 3.2.2 算法流程 | 第30-31页 |
| 3.2.3 扩展至带权动态网络 | 第31-32页 |
| 3.3 自适应社区检测算法 | 第32-41页 |
| 3.3.1 基于作用力概念的推论及证明 | 第33-36页 |
| 3.3.2 算法流程 | 第36-41页 |
| 3.4 社区检测结果的评价方法 | 第41-42页 |
| 3.5 实验结果 | 第42-52页 |
| 3.5.1 实验集 | 第42-43页 |
| 3.5.2 自适应社区检测算法性能分析 | 第43-50页 |
| 3.5.3 自适应社区检测算法结果示例和分析 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 微博突发事件在线检测系统实现 | 第53-72页 |
| 4.1 系统框架 | 第53-54页 |
| 4.2 模块实现 | 第54-64页 |
| 4.2.1 预处理 | 第54-55页 |
| 4.2.2 突发性估计 | 第55-59页 |
| 4.2.3 词图构建 | 第59-61页 |
| 4.2.4 事件生成 | 第61-64页 |
| 4.3 实验结果 | 第64-71页 |
| 4.3.1 实验集 | 第64页 |
| 4.3.2 事件发现性能分析 | 第64-67页 |
| 4.3.3 事件发现结果展示 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第78页 |
