突发事件检测和预测方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究目标 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 研究现状 | 第11-12页 |
| 1.5 论文的组织结构 | 第12-14页 |
| 第2章 相关工作 | 第14-22页 |
| 2.1 话题检测与跟踪技术 | 第14-15页 |
| 2.2 生物成长理论 | 第15-17页 |
| 2.2.1 生物成长理论基本概念 | 第15-16页 |
| 2.2.2 营养衰减因子改进 | 第16页 |
| 2.2.3 营养转化因子改进 | 第16-17页 |
| 2.3 文本表示模型 | 第17-19页 |
| 2.3.1 向量空间模型 | 第17页 |
| 2.3.2 概率检索模型 | 第17-18页 |
| 2.3.3 词汇链模型 | 第18页 |
| 2.3.4 图模型 | 第18页 |
| 2.3.5 文本的分布式表示 | 第18-19页 |
| 2.4 文本特征提取 | 第19-22页 |
| 2.4.1 TF-IDF | 第19页 |
| 2.4.2 互信息 | 第19页 |
| 2.4.3 期望交叉熵法 | 第19-20页 |
| 2.4.4 卡方统计量法 | 第20页 |
| 2.4.5 自编码器 | 第20-22页 |
| 第3章 基于AT的突发事件检测方法 | 第22-34页 |
| 3.1 检测方法框架概述 | 第22-23页 |
| 3.2 新闻数据获取与预处理 | 第23-25页 |
| 3.2.1 通过网络爬虫获取新闻 | 第23页 |
| 3.2.2 降噪、去重和编码处理 | 第23-24页 |
| 3.2.3 中文分词与去停用词 | 第24-25页 |
| 3.3 文本表示、特征提取 | 第25-27页 |
| 3.3.1 向量空间模型 | 第25-26页 |
| 3.3.2 向量表示文本(Doc2Vec) | 第26-27页 |
| 3.4 相似度计算 | 第27页 |
| 3.5 改进Single-Pass聚类算法 | 第27-29页 |
| 3.6 实验结果与分析 | 第29-31页 |
| 3.6.1 评估方法与初始语料库 | 第29-30页 |
| 3.6.2 数据来源 | 第30页 |
| 3.6.3 ETCBS实验结果与对比 | 第30-31页 |
| 3.7 Doc2Vec做特征表示的实验结果 | 第31-33页 |
| 3.8 本章小结 | 第33-34页 |
| 第4章 突发事件预测方法 | 第34-46页 |
| 4.1 基于增长率的预测方法 | 第34-39页 |
| 4.1.1 增长率预测方法分析 | 第35-38页 |
| 4.1.2 改进的增长率预测方法 | 第38-39页 |
| 4.2 基于时间序列的生物成长曲线拟合方法 | 第39-40页 |
| 4.3 实验分析 | 第40-45页 |
| 4.3.1 增长率预测实验 | 第40-42页 |
| 4.3.2 曲线拟合实验 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-52页 |
| 发表论文和参加科研情况说明 | 第52-53页 |
| 致谢 | 第53页 |
