面向微博的热点事件发现与脉络生成研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 面向微博的事件发现 | 第11-12页 |
| 1.1.2 面向微博的事件脉络生成 | 第12-13页 |
| 1.1.3 跨媒体数据优选 | 第13-14页 |
| 1.2 研究内容 | 第14页 |
| 1.3 论文结构 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 2 相关理论和技术综述 | 第17-21页 |
| 2.1 事件发现与分类相关理论研究 | 第17-18页 |
| 2.2 事件总结相关理论研究 | 第18-19页 |
| 2.3 跨媒体数据关联相关技术 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 面向微博的热点事件发现与分类 | 第21-41页 |
| 3.1 问题描述 | 第21-23页 |
| 3.1.1 问题定义 | 第21页 |
| 3.1.2 方法框架 | 第21-23页 |
| 3.2 热点事件发现 | 第23-29页 |
| 3.2.1 主要词的发现 | 第24-27页 |
| 3.2.2 语境词的发现 | 第27页 |
| 3.2.3 候选事件聚类 | 第27-29页 |
| 3.3 热点事件分类 | 第29-32页 |
| 3.3.1 特征提取 | 第29-32页 |
| 3.3.2 事件分类 | 第32页 |
| 3.4 实验验证 | 第32-40页 |
| 3.4.1 实验数据 | 第32-33页 |
| 3.4.2 实验参数设置 | 第33-34页 |
| 3.4.3 实验结果及讨论 | 第34-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于多维关系融合的微博事件脉络生成 | 第41-61页 |
| 4.1 问题描述 | 第41-44页 |
| 4.1.1 问题定义 | 第42-43页 |
| 4.1.2 方法框架 | 第43-44页 |
| 4.2 多层的事件刻画模型 | 第44-47页 |
| 4.2.1 时间层 | 第44-45页 |
| 4.2.2 文本层 | 第45页 |
| 4.2.3 图像层 | 第45-46页 |
| 4.2.4 用户交互层 | 第46-47页 |
| 4.3 多层融合及脉络生成 | 第47-51页 |
| 4.3.1 线索发现及事件时间分割 | 第48页 |
| 4.3.2 线索连接 | 第48-49页 |
| 4.3.3 冗余信息过滤 | 第49-51页 |
| 4.4 实验验证 | 第51-60页 |
| 4.4.1 实验目的 | 第51页 |
| 4.4.2 实验数据 | 第51-53页 |
| 4.4.3 实验设置 | 第53-54页 |
| 4.4.4 实验结果及讨论 | 第54-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 基于跨媒体数据关联的数据优选事件总结 | 第61-69页 |
| 5.1 问题描述 | 第61页 |
| 5.2 跨媒体数据优选 | 第61-64页 |
| 5.2.1 特征提取 | 第61-62页 |
| 5.2.2 跨媒体数据关联 | 第62-63页 |
| 5.2.3 跨媒体数据优选算法 | 第63-64页 |
| 5.3 实验验证 | 第64-67页 |
| 5.3.1 实验数据 | 第64-65页 |
| 5.3.2 实验设置 | 第65页 |
| 5.3.3 实验结果及讨论 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第79-81页 |
