Web事件关联关系挖掘研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 事件关系挖掘中存在的问题 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 主要工作 | 第14-16页 |
| 1.4.1 利用关系模式发现关联 | 第14-15页 |
| 1.4.2 利用事件分类发现关联关系 | 第15页 |
| 1.4.3 使用多指标进行关联强度的量化 | 第15-16页 |
| 1.5 文章结构 | 第16-17页 |
| 第二章 相关研究 | 第17-23页 |
| 2.1 事件识别 | 第17-18页 |
| 2.2 事件间关系分析 | 第18-20页 |
| 2.3 事件关联关系挖掘 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于共现分析及决策树的关联关系挖掘 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 事件及关联定义 | 第23-25页 |
| 3.3 共现分析方法 | 第25-28页 |
| 3.3.1 上下文的共现关系 | 第26-27页 |
| 3.3.2 共现分析算法 | 第27-28页 |
| 3.4 利用C4.5分类树发现隐式关系 | 第28-31页 |
| 3.5 实验 | 第31-33页 |
| 3.5.1 数据集 | 第31-32页 |
| 3.5.2 实验环境 | 第32页 |
| 3.5.3 评价标准 | 第32页 |
| 3.5.4 实验结果及分析 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于频繁情节挖掘的关联关系发现 | 第34-46页 |
| 4.0 引言 | 第34-35页 |
| 4.1 利用频繁情节算法进行挖掘 | 第35-39页 |
| 4.1.1 事件序列及频繁情节的定义 | 第35-37页 |
| 4.1.2 事件类型的映射 | 第37-39页 |
| 4.2 侧重于周期性关联的挖掘 | 第39-41页 |
| 4.3 侧重于时间聚集性关联的挖掘 | 第41-43页 |
| 4.4 关联强度的计算 | 第43页 |
| 4.5 实验 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-49页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间发表的学术论文目录 | 第53-54页 |
| 学位论文评阅及答辩情况表 | 第54页 |
