| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 面向群体性抗议事件检测的数据源相关研究现状 | 第13-14页 |
| 1.2.2 群体性抗议事件检测与预测方法相关研究现状 | 第14-18页 |
| 1.3 研究内容与主要贡献 | 第18-19页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 主要贡献 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 频繁模式挖掘理论 | 第21-29页 |
| 2.1 频繁项集与关联规则挖掘 | 第21-23页 |
| 2.1.1 基本概念 | 第21-22页 |
| 2.1.2 基本任务 | 第22-23页 |
| 2.1.3 经典算法 | 第23页 |
| 2.2 频繁序列挖掘 | 第23-25页 |
| 2.2.1 基本概念 | 第23-24页 |
| 2.2.2 基本任务 | 第24页 |
| 2.2.3 经典算法 | 第24-25页 |
| 2.3 频繁子图挖掘 | 第25-28页 |
| 2.3.1 使用图模型的缘由 | 第25-26页 |
| 2.3.2 基本概念 | 第26页 |
| 2.3.3 基本任务 | 第26-28页 |
| 2.3.4 经典算法 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于海量数据ETL方法的GDELT数据仓库构建技术 | 第29-44页 |
| 3.1 GDELT数据集概览 | 第29-32页 |
| 3.1.1 GDELT数据集主体 | 第29-30页 |
| 3.1.2 CAMEO编码体系 | 第30-32页 |
| 3.2 使用大数据架构的缘由 | 第32-35页 |
| 3.3 基于元数据队列的多线程数据获取方法 | 第35-36页 |
| 3.4 基于Hive的海量数据ETL方法 | 第36-40页 |
| 3.4.1 ELT方法概述 | 第36-39页 |
| 3.4.2 ETL性能提升实验验证 | 第39-40页 |
| 3.5 基于Hadoop、Hive与SparkSQL的数据仓库构建技术 | 第40-43页 |
| 3.5.1 软件架构概述 | 第40-41页 |
| 3.5.2 数据仓库构建结果描述 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于频繁子图挖掘的群体性抗议事件特征抽取方法 | 第44-59页 |
| 4.1 基本概念描述 | 第44-45页 |
| 4.1.1 群体性抗议事件的要素 | 第44-45页 |
| 4.1.2 事件交互图要素描述 | 第45页 |
| 4.2 GDELT数据预处理方法 | 第45-47页 |
| 4.2.1 数据项缺失记录处理方法 | 第45-46页 |
| 4.2.2 数据时间窗口分片处理方法 | 第46-47页 |
| 4.3 基于图描述语言的事件交互图表示方法 | 第47-49页 |
| 4.3.1 基于DOT描述语言的事件交互图表示方法 | 第47-48页 |
| 4.3.2 基于LineGraph的事件交互图格式方法 | 第48-49页 |
| 4.4 事件交互图集构建方法 | 第49-50页 |
| 4.4.1 正例图集和负例图集的构建方法 | 第49页 |
| 4.4.2 事件交互图可视化方法 | 第49-50页 |
| 4.5 基于gSpan[24]算法的频繁子图挖掘 | 第50-51页 |
| 4.6 基于频繁子图的群体性抗议事件特征构建方法 | 第51-52页 |
| 4.7 实验与分析 | 第52-58页 |
| 4.7.1 数据集与事件交互图构造结果描述 | 第52-54页 |
| 4.7.2 频繁子图挖掘与特征构造结果描述 | 第54-58页 |
| 4.8 本章小结 | 第58-59页 |
| 第五章 基于频繁子图特征的群体性抗议事件检测模型 | 第59-67页 |
| 5.1 群体性抗议事件检测的目标 | 第59-60页 |
| 5.2 基于频繁子图特征的分类事件检测模型 | 第60-63页 |
| 5.2.1 问题模型抽象与转换 | 第60-61页 |
| 5.2.2 基于集成学习与支持向量机的多分类器对比调优方法 | 第61-62页 |
| 5.2.3 基于k-折交叉验证的评估方法 | 第62页 |
| 5.2.4 模型泛化性能实验评估方法 | 第62-63页 |
| 5.3 群体性抗议事件检测评价指标 | 第63-64页 |
| 5.4 实验与分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 研究工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者在学期间取得的学术成果 | 第73-74页 |
| 附录A GDELT数据集Event表模式 | 第74-75页 |
