摘要 | 第9-10页 |
ABSTRACT | 第10页 |
第一章 绪论 | 第11-20页 |
1.1 研究背景 | 第11-13页 |
1.1.1 社交网络 | 第11-12页 |
1.1.2 社交网络分析 | 第12页 |
1.1.3 微博事件 | 第12-13页 |
1.1.4 微博事件关联 | 第13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 文本新词发现技术 | 第13-15页 |
1.2.2 微博事件检测技术 | 第15-16页 |
1.2.3 事件关联分析技术 | 第16-17页 |
1.3 本文主要工作及论文组织 | 第17-20页 |
1.3.1 论文主要工作 | 第17-18页 |
1.3.2 论文组织 | 第18-20页 |
第二章 相关理论与技术 | 第20-30页 |
2.1 面向微博的新词发现技术 | 第20-22页 |
2.1.1 新词的定义 | 第20页 |
2.1.2 新词发现技术 | 第20-22页 |
2.2 文本聚类技术 | 第22-24页 |
2.2.1 文本相似度计算方法 | 第22-23页 |
2.2.2 文本聚类相关算法 | 第23-24页 |
2.3 面向微博的事件检测技术 | 第24-25页 |
2.3.1 微博事件模型定义 | 第24-25页 |
2.3.2 事件摘要技术 | 第25页 |
2.4 图论相关算法 | 第25-29页 |
2.4.1 二部图的定义 | 第25-26页 |
2.4.2 二部图投影算法 | 第26-28页 |
2.4.3 加权二部图投影算法 | 第28-29页 |
2.5 本章小结 | 第29-30页 |
第三章 基于增量式短文本聚类的事件检测技术 | 第30-47页 |
3.1 基于新词发现的文本相似度计算 | 第30-34页 |
3.1.1 微博文本新词发现技术 | 第30-32页 |
3.1.2 文本相似度的定义 | 第32-33页 |
3.1.3 基于TFIDF的短文本相似度计算方法 | 第33-34页 |
3.2 基于文本相似度的聚类算法 | 第34-38页 |
3.2.1 聚类算法 | 第34-35页 |
3.2.2 基于Single-Pass的微博短文本聚类 | 第35-36页 |
3.2.3 聚类算法参数确定 | 第36-38页 |
3.3 基于文本聚类的微博事件抽取 | 第38-39页 |
3.3.1 微博事件模型 | 第38页 |
3.3.2 事件摘要 | 第38-39页 |
3.4 实验与分析 | 第39-46页 |
3.4.1 实验环境 | 第39页 |
3.4.2 实验数据集 | 第39-40页 |
3.4.3 实验内容与方法 | 第40-41页 |
3.4.4 实验结果分析 | 第41-46页 |
3.5 本章小结 | 第46-47页 |
第四章 基于二部图投影的微博事件关联分析 | 第47-59页 |
4.1 事件关联分析方法介绍 | 第47-49页 |
4.1.1 关联分析方法 | 第47-48页 |
4.1.2 微博事件关联的定义 | 第48-49页 |
4.2 二部图投影算法 | 第49-53页 |
4.2.1 二部图构建方法 | 第49页 |
4.2.2 加权二部图 | 第49-50页 |
4.2.3 基于“资源——分配”模型的二部图加权投影算法 | 第50-53页 |
4.3 实验分析 | 第53-58页 |
4.3.1 实验环境 | 第53-54页 |
4.3.2 实验数据及数据预处理 | 第54页 |
4.3.3 实验内容与方法 | 第54-56页 |
4.3.4 实验结果分析 | 第56-58页 |
4.4 本章小结 | 第58-59页 |
第五章 微博事件关联分析系统设计与实现 | 第59-65页 |
5.1 微博数据预处理模块设计与实现 | 第59-61页 |
5.1.1 数据采集方法 | 第59-60页 |
5.1.2 数据存储方式 | 第60页 |
5.1.3 新词发现模块设计和实现 | 第60-61页 |
5.2 微博文本聚类模块设计与实现 | 第61-62页 |
5.3 事件检测模块设计与实现 | 第62-63页 |
5.4 微博事件关联分析模块设计与实现 | 第63-64页 |
5.5 本章小结 | 第64-65页 |
第六章 结束语 | 第65-67页 |
6.1 全文工作总结 | 第65页 |
6.2 工作展望 | 第65-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-71页 |
作者在学期间取得的学术成果 | 第71页 |