基于领域知识的旅游突发事件状态评估与演化研究

摘要	第1-7页
ABSTRACT	第7-16页
第一章 绪论	第16-21页
·课题来源	第16页
·研究背景	第16-18页
·研究目的和意义	第18-19页
·论文组织结构	第19-21页
第二章 相关研究	第21-32页
·旅游突发事件	第21-23页
·本体和领域本体	第23-25页
·文本表示和信息提取	第25-27页
·文本表示	第25页
·信息提取	第25-27页
·粗糙集属性约简	第27页
·SVM增量学习	第27-29页
·旅游突发事件状态评估	第29-30页
·旅游突发事件演化分析	第30-32页
第三章 旅游突发事件领域本体的构建	第32-48页
·旅游突发事件领域知识和本体	第32-34页
·领域本体的构建	第32-33页
·旅游突发事件领域知识	第33-34页
·面向热度评估和演化的领域本体	第34-40页
·旅游突发事件的领域本体	第34-36页
·面向状态评估与演化的领域知识模型的提出	第36-37页
·旅游突发事件领域本体层次概念的建立	第37-40页
·旅游突发事件本体构建	第40-41页
·基于Protege的旅游突发事件领域本体构建	第41-47页
·小结	第47-48页
第四章 基于领域知识的旅游突发事件特征抽取	第48-70页
·旅游突发事件的特征抽取	第48-51页
·Web文档特征抽取	第48-49页
·Web文档抽取中的主要问题	第49-50页
·基于领域知识的特征抽取	第50-51页
·基于粗糙集的本体属性约简方法的提出	第51-56页
·旅游突发事件的属性约简过程	第51-52页
·旅游突发事件的属性分类	第52-53页
·旅游突发事件样本信息表的构建	第53-54页
·领域知识相对属性约简算法	第54-56页
·旅游突发事件特征抽取	第56-61页
·基于领域本体的事件框架模型	第57-58页
·特征抽取算法(DK-CHI)的提出	第58-61页
·实验结果与分析	第61-69页
·属性约简实例	第61-63页
·属性约简的结果和分析	第63-65页
·特征抽取算法(DK-CHI)的仿真实验	第65-69页
·小结	第69-70页
第五章 旅游突发事件主题追踪和状态评估	第70-89页
·旅游突发事件状态评估整体方案	第70-71页
·TS-ISVM算法	第71-77页
·旅游突发事件主题追踪	第72-73页
·旅游突发事件时序数据模型的建立	第73-74页
·面向主题追踪的TS-ISVM算法的提出	第74-77页
·旅游突发事件主题状态评估	第77-82页
·旅游突发事件状态评估分析	第77-79页
·旅游突发事件状态评估方法	第79-82页
·实验结果与分析	第82-88页
·实验数据	第82页
·TS-ISVM分类算法实验	第82-86页
·旅游突发事件状态评估实验	第86-88页
·小结	第88-89页
第六章 旅游突发事件话题演化分析	第89-113页
·旅游突发事件演化机理	第89-90页
·旅游突发事件Web文档话题演化	第90-92页
·旅游突发事件话题聚类	第92-96页
·时序话题模型TTM的建立	第92-93页
·旅游突发事件增量Web文档表示方法	第93-94页
·基于事件框架Web文档距离EFD的构建	第94-96页
·增量话题聚类算法(EGIC)	第96-101页
·话题增量聚类中的主要问题	第96-97页
·话题聚类中Gauss密度的相关概念	第97-98页
·增量聚类算法EGIC的提出	第98-101页
·旅游突发事件演化分析	第101-106页
·事件链分析	第101-102页
·旅游突发事件演化链模型的建立	第102-104页
·话题演化关系评估方法TERE的提出	第104-106页
·实验结果与分析	第106-111页
·EGIC方法实验	第106-108页
·旅游突发事件演化链实例	第108-109页
·TERE方法实验	第109-111页
·小结	第111-113页
第七章 结论与展望	第113-116页
·总结和创新点	第113-114页
·研究展望	第114-116页
参考文献	第116-128页
攻读博士学位期间的科研成果	第128-130页
致谢	第130页