| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究目标及内容 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 在线社会网络测量国内外研究现状 | 第13页 |
| 1.3.2 话题趋势预测国内外研究现状 | 第13-14页 |
| 1.4 论文内容和组织结构 | 第14-15页 |
| 第二章 相关技术研究 | 第15-30页 |
| 2.1 引言 | 第15-16页 |
| 2.2 新浪微博突发事件微博数据获取 | 第16-18页 |
| 2.3 突发事件话题趋势预测数据预处理 | 第18-24页 |
| 2.3.1 中文分词 | 第18-19页 |
| 2.3.2 聚类 | 第19-24页 |
| 2.4 预测技术研究 | 第24-30页 |
| 2.4.1 回归分析预测 | 第24-25页 |
| 2.4.2 灰色预测 | 第25-26页 |
| 2.4.3 隐马尔科夫模型 | 第26-30页 |
| 第三章 基于突发事件的微博话题网络测量研究 | 第30-40页 |
| 3.1 突发事件微博网络测量参数简介 | 第30页 |
| 3.2 突发事件微博网络测量实验步骤 | 第30-33页 |
| 3.3 测量以及结果分析 | 第33-40页 |
| 3.3.1 用户对称关系 | 第33-34页 |
| 3.3.2 节点出入度分布 | 第34-36页 |
| 3.3.3 出入度相关性 | 第36-37页 |
| 3.3.4 小世界特性 | 第37-38页 |
| 3.3.5 联合度分布 | 第38-40页 |
| 第四章 基于突发事件的话题趋势预测模型与系统研究与实现 | 第40-51页 |
| 4.1 引言 | 第40页 |
| 4.2 意见领袖 | 第40-42页 |
| 4.3 隐马尔科夫模型 | 第42-44页 |
| 4.3.1 突发事件话题状态识别 | 第42-43页 |
| 4.3.2 突发事件下的隐马尔科夫模型 | 第43-44页 |
| 4.4 突发事件下话题趋势预测步骤 | 第44-47页 |
| 4.5 突发事件下话题趋势预测实验与结果 | 第47-51页 |
| 第五章 结论 | 第51-53页 |
| 5.1 研究结论 | 第51-52页 |
| 5.1.1 突发事件下微博网络测量结论 | 第51页 |
| 5.1.2 突发事件下话题趋势预测结论 | 第51-52页 |
| 5.2 研究创新点 | 第52页 |
| 5.3 下一步研究方向和目标 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |