基于图的中文微博灾难事件检测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究目的及内容 | 第12-15页 |
| 1.3 本章小结 | 第15-16页 |
| 第2章 国内外研究现状 | 第16-29页 |
| 2.1 文档建模 | 第16-18页 |
| 2.2 事件建模 | 第18-19页 |
| 2.3 事件检测 | 第19-21页 |
| 2.3.1 基于波动分析的事件检测 | 第20页 |
| 2.3.2 基于相似性聚类的事件检测 | 第20-21页 |
| 2.4 情感分析 | 第21-23页 |
| 2.4.1 基于词典和语义规则的方法 | 第22页 |
| 2.4.2 基于机器学习的方法 | 第22-23页 |
| 2.5 分布式实时计算 | 第23-28页 |
| 2.5.1 主流分布式计算平台 | 第23-24页 |
| 2.5.2 Storm流计算平台 | 第24-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 微博数据实时抓取与预处理 | 第29-39页 |
| 3.1 针对灾难事件的微博主题爬虫 | 第29-32页 |
| 3.2 数据预处理 | 第32-38页 |
| 3.2.1 数据的解析与存储 | 第32-35页 |
| 3.2.2 中文分词与词性标注 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 HCCG事件建模与在线聚类 | 第39-57页 |
| 4.1 微博事件抽取任务框架 | 第39-42页 |
| 4.2 HCCG事件建模及相似度计算 | 第42-50页 |
| 4.2.1 HCCG事件建模 | 第43-48页 |
| 4.2.2 基于图的相似度计算 | 第48-50页 |
| 4.3 微博主客观判断及情感分析 | 第50-52页 |
| 4.4 面向分布式系统的微博事件聚类分类算法 | 第52-56页 |
| 4.4.1 分布式部署和实现 | 第52-54页 |
| 4.4.2 HCCG的增量式聚类 | 第54-55页 |
| 4.4.3 灾难事件分类 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 实验结果及分析 | 第57-63页 |
| 5.1 实验环境和数据集介绍 | 第57-58页 |
| 5.2 聚类性能实验 | 第58-60页 |
| 5.3 分类性能实验 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 未来研究方向 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
