摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 研究现状 | 第9-10页 |
1.2.1 纯文本数据事件检测研究现状 | 第9页 |
1.2.2 社交网络数据事件检测研究现状 | 第9-10页 |
1.3 论文的主要工作 | 第10-12页 |
第二章 相关技术分析 | 第12-23页 |
2.1 事件检测相关技术 | 第12-19页 |
2.1.1 纯文本数据事件检测方法 | 第12-17页 |
2.1.2 社交网络数据事件检测方法 | 第17-19页 |
2.2 社区发现算法 | 第19-20页 |
2.2.1 静态社区检测 | 第19-20页 |
2.2.2 动态社区检测 | 第20页 |
2.3 文本处理相关技术 | 第20-22页 |
2.3.1 词元权重 | 第20-22页 |
2.3.2 文本相似度 | 第22页 |
2.4 本章小结 | 第22-23页 |
第三章 社交网络事件检测系统设计 | 第23-38页 |
3.1 基于社交网络的事件检测系统整体设计与难点分析 | 第23-26页 |
3.1.1 事件检测系统整体思路设计 | 第23-24页 |
3.1.2 事件检测系统的设计难点分析 | 第24-26页 |
3.2 社区检测算法在动态社交网络上的改进 | 第26-35页 |
3.2.1 增量社区检测算法设计 | 第26-31页 |
3.2.2 动态社区元素的衰减和清理 | 第31-34页 |
3.2.3 动态社区检测算法整体流程设计 | 第34页 |
3.2.4 性能优化 | 第34-35页 |
3.3 关键词提取方法设计 | 第35-37页 |
3.3.1 提取社区相关内容 | 第36页 |
3.3.2 社区内容预处理 | 第36-37页 |
3.3.3 提取社区关键词 | 第37页 |
3.4 本章小结 | 第37-38页 |
第四章 社交网络事件检测系统实现 | 第38-55页 |
4.1 事件检测原型系统总体结构 | 第38-40页 |
4.1.1 系统实现环境 | 第38页 |
4.1.2 系统总体方案架构 | 第38-39页 |
4.1.3 需导入的模块和全局变量定义 | 第39-40页 |
4.2 增量社区发现算法的实现 | 第40-43页 |
4.2.1 增量社区发现算法实现 | 第40-42页 |
4.2.2 更新完全子图集合 | 第42-43页 |
4.2.3 更新差分子图集合 | 第43页 |
4.3 动态K-Clique社区检测算法的实现 | 第43-46页 |
4.3.1 清理完全子图集合中失效元素 | 第43-45页 |
4.3.2 清理差分子图集合中的失效元素 | 第45-46页 |
4.4 社区检测线程 | 第46-47页 |
4.5 事件关键词提取模块的实现 | 第47-49页 |
4.5.1 用户内容提取 | 第47-48页 |
4.5.2 分词和去除停用词 | 第48-49页 |
4.5.3 TF-IDF关键词提取 | 第49页 |
4.6 事件检测系统的实现 | 第49-54页 |
4.6.1 用户界面的实现 | 第50-53页 |
4.6.2 任务调度管理 | 第53-54页 |
4.7 本章小结 | 第54-55页 |
第五章 社交网络事件检测系统测试与分析 | 第55-64页 |
5.1 系统测试方案 | 第55-58页 |
5.1.1 系统测试目标 | 第55页 |
5.1.2 测试数据集 | 第55-56页 |
5.1.3 测试方案设计 | 第56-58页 |
5.2 测试过程与结果 | 第58-63页 |
5.2.1 增量社区检测算法效率测试 | 第58-60页 |
5.2.2 动态社区检测算法效率测试 | 第60-61页 |
5.2.3 增量社区检测算法的准确率验证 | 第61-62页 |
5.2.4 动态社区检测算法的准确率验证 | 第62页 |
5.2.5 事件关键词提取有效性验证 | 第62-63页 |
5.3 本章小结 | 第63-64页 |
第六章 总结与展望 | 第64-66页 |
6.1 论文工作总结 | 第64-65页 |
6.2 进一步工作与展望 | 第65-66页 |
参考文献 | 第66-69页 |
附录 1 攻读硕士学位期间撰写的论文 | 第69-70页 |
附录 2 攻读硕士学位期间参加的科研项目 | 第70-71页 |
致谢 | 第71页 |