多维推特事件信息可视化方法研究及系统实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 推特事件可视化研究现状 | 第13-15页 |
| 1.2.2 多连词识别研究现状 | 第15-16页 |
| 1.2.3 地名识别研究现状 | 第16-17页 |
| 1.3 本文的主要工作与贡献 | 第17-18页 |
| 1.4 论文章节安排 | 第18-19页 |
| 第二章 推特信息提取与多维可视化技术基础 | 第19-28页 |
| 2.1 推特多连词识别方法 | 第19-20页 |
| 2.1.1 推文预处理需求 | 第19-20页 |
| 2.1.2 常用多连词识别方法 | 第20页 |
| 2.2 命名实体识别基础 | 第20-24页 |
| 2.2.1 推特命名实体识别现状 | 第21页 |
| 2.2.2 命名实体识别难点 | 第21-22页 |
| 2.2.3 常用命名实体识别方法 | 第22-24页 |
| 2.3 多维信息可视化方法 | 第24-26页 |
| 2.3.1 多维信息可视化的主要任务 | 第24-25页 |
| 2.3.2 常用多维信息可视化方法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 推文多连词识别方法研究 | 第28-39页 |
| 3.1 研究背景 | 第28页 |
| 3.2 推文多连词识别方法 | 第28-35页 |
| 3.2.1 基于规则的推文预处理 | 第29-32页 |
| 3.2.2 推文多连词识别方法 | 第32-35页 |
| 3.3 多连词识别方法测试 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 推特事件定位方法研究 | 第39-51页 |
| 4.1 研究背景 | 第39-40页 |
| 4.2 基于最大熵的推文定位方法 | 第40-43页 |
| 4.2.1 最大熵模型算法 | 第40-41页 |
| 4.2.2 推文地名识别特征选择 | 第41-43页 |
| 4.3 推特事件地名识别算法实现 | 第43-47页 |
| 4.3.1 推文地名识别算法实现 | 第43-46页 |
| 4.3.2 事件定位算法实现 | 第46-47页 |
| 4.4 推文地名识别方法效果测试 | 第47-50页 |
| 4.4.1 命名实体识别准确率指标 | 第47页 |
| 4.4.2 地名识别效果测试 | 第47-49页 |
| 4.4.3 事件定位效果测试 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 事件可视化系统实现及测试 | 第51-66页 |
| 5.1 引言 | 第51页 |
| 5.2 可视化系统需求分析和设计 | 第51-55页 |
| 5.2.1 可视化需求分析 | 第51-53页 |
| 5.2.2 系统需求分析 | 第53-55页 |
| 5.3 可视化系统实现 | 第55-61页 |
| 5.3.1 前端可视化系统 | 第56-58页 |
| 5.3.2 可视化任务处理系统 | 第58-59页 |
| 5.3.3 数据存储系统 | 第59-61页 |
| 5.4 分析和测试 | 第61-65页 |
| 5.4.1 可视化系统测试环境 | 第61页 |
| 5.4.2 可视化系统测试 | 第61-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文工作总结 | 第66页 |
| 6.2 下一步研究方向 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的成果 | 第72-73页 |
