多源跨平台网络数据时效性分析技术
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.2.1 时序关系识别方法相关研究 | 第9-10页 |
| 1.2.2 关系抽取相关研究 | 第10-13页 |
| 1.3 本文的主要研究内容及组织结构 | 第13-14页 |
| 第2章 面向新闻数据的时序关系识别方法 | 第14-28页 |
| 2.1 概述 | 第14-16页 |
| 2.2 相关工作 | 第16-19页 |
| 2.2.1 基于机器学习的时序关系识别方法 | 第16-17页 |
| 2.2.2 基于规则的时序关系识别方法 | 第17-18页 |
| 2.2.3 全局推理的时序关系识别方法 | 第18-19页 |
| 2.3 问题描述 | 第19-20页 |
| 2.4 两阶段事件时序关系识别算法 | 第20-25页 |
| 2.4.1 时序映射 | 第20-21页 |
| 2.4.2 时序识别 | 第21-25页 |
| 2.5 实验结果与分析 | 第25-27页 |
| 2.5.1 评价指标 | 第25页 |
| 2.5.2 新闻数据集 | 第25页 |
| 2.5.3 实验过程与结果 | 第25-26页 |
| 2.5.4 实验结果分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 面向人物百科数据关系时效性识别方法 | 第28-42页 |
| 3.1 概述 | 第28-30页 |
| 3.2 问题描述 | 第30-31页 |
| 3.3 人物百科数据关系时效性推理算法 | 第31-39页 |
| 3.3.1 预处理 | 第32-34页 |
| 3.3.2 属性/关系抽取 | 第34-37页 |
| 3.3.3 时效性推理 | 第37-39页 |
| 3.4 实验结果与分析 | 第39-41页 |
| 3.4.1 百科数据集 | 第39页 |
| 3.4.2 实验结果与分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 WEB新闻时效性分析平台的设计与实现 | 第42-52页 |
| 4.1 概述 | 第42-43页 |
| 4.2 总体设计方案 | 第43-44页 |
| 4.3 模块设计与实现 | 第44-47页 |
| 4.3.1 控制调度模块 | 第44-45页 |
| 4.3.2 消息队列解析模块 | 第45页 |
| 4.3.3 信息采集模块 | 第45-46页 |
| 4.3.4 信息抽取模块 | 第46-47页 |
| 4.3.5 存储模块 | 第47页 |
| 4.4 运行效果 | 第47-51页 |
| 4.4.1 测试环境 | 第47-48页 |
| 4.4.2 新闻采集与信息抽取 | 第48-49页 |
| 4.4.3 时效性分析 | 第49-50页 |
| 4.4.4 运行效果评估 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |
