| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 研究历史与现状 | 第16-19页 |
| 1.2.1 传统媒体的事件检测 | 第16-17页 |
| 1.2.2 推特中的事件检测 | 第17-19页 |
| 1.3 论文研究内容 | 第19-20页 |
| 1.4 论文结构安排 | 第20-21页 |
| 第二章 非特定事件检测基础 | 第21-33页 |
| 2.1 推特中的非特定事件检测技术 | 第21-23页 |
| 2.2 文本的预处理技术 | 第23-25页 |
| 2.2.1 推文文本标准化 | 第23页 |
| 2.2.2 文本分词 | 第23-24页 |
| 2.2.3 词性标注 | 第24页 |
| 2.2.4 命名实体标注 | 第24-25页 |
| 2.2.5 词形还原 | 第25页 |
| 2.3 文本的表示 | 第25-26页 |
| 2.4 文本过滤技术 | 第26-28页 |
| 2.4.1 文本过滤中的文本分类技术 | 第26页 |
| 2.4.2 文本分类相关技术 | 第26-28页 |
| 2.5 文本相似度计算 | 第28页 |
| 2.6 短文本聚类 | 第28-32页 |
| 2.6.1 非增量文本聚类 | 第28-29页 |
| 2.6.2 增量文本聚类 | 第29-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 事件检测中的文本相似度研究 | 第33-49页 |
| 3.1 文本相似度与事件检测 | 第33页 |
| 3.2 词语语义相似度构建 | 第33-36页 |
| 3.2.1 基于语料库的词语语义相似度 | 第33-34页 |
| 3.2.2 基于知识的词语语义相似度 | 第34-36页 |
| 3.3 句子语义相似度构建 | 第36-37页 |
| 3.3.1 句子语义相似度计算 | 第36-37页 |
| 3.3.2 句子词语位置相似度计算 | 第37页 |
| 3.4 基于语料库与知识结合的语义相似度计算改进方法 | 第37-43页 |
| 3.5 测试与分析 | 第43-48页 |
| 3.5.1 词语语义相似度测试 | 第43-46页 |
| 3.5.2 短文本语义相似度测试 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于推特的非特定事件检测研究 | 第49-71页 |
| 4.1 非特定事件检测 | 第49-52页 |
| 4.1.1 非特定事件检测框架 | 第49-50页 |
| 4.1.2 文本预处理方法 | 第50-52页 |
| 4.2 短文本增量聚类方法研究 | 第52-61页 |
| 4.2.1 增量文本聚类框架 | 第52-53页 |
| 4.2.2 改进贪婪聚类 | 第53-56页 |
| 4.2.3 重聚类 | 第56-57页 |
| 4.2.4 基于相似度与熵的类合并 | 第57-59页 |
| 4.2.5 修剪类 | 第59-61页 |
| 4.3 短文本增量聚类改进方法测试和分析 | 第61-65页 |
| 4.3.1 聚类效果度量 | 第61-62页 |
| 4.3.2 聚类效果测试 | 第62-65页 |
| 4.4 事件识别方法研究 | 第65-68页 |
| 4.4.1 事件的定义 | 第65页 |
| 4.4.2 事件识别方法 | 第65-68页 |
| 4.5 事件检测方法测试与分析 | 第68-70页 |
| 4.5.1 测试内容 | 第68页 |
| 4.5.2 测试步骤 | 第68页 |
| 4.5.3 测试结果及分析 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 在线非特定事件检测系统设计与实现 | 第71-87页 |
| 5.1 系统总体设计 | 第71-72页 |
| 5.2 系统模块实现与优化 | 第72-80页 |
| 5.2.1 系统开发和测试环境 | 第72-73页 |
| 5.2.2 系统模块的实现 | 第73-75页 |
| 5.2.3 模块优化与技术细节 | 第75-80页 |
| 5.3 系统测试和分析 | 第80-86页 |
| 5.3.1 系统功能测试 | 第80-83页 |
| 5.3.2 系统性能测试 | 第83-86页 |
| 5.4 本章小结 | 第86-87页 |
| 第六章 结论 | 第87-89页 |
| 6.1 全文总结 | 第87-88页 |
| 6.2 后续工作展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 攻硕期间取得的研究成果 | 第93-94页 |