| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 文本分类研究现状 | 第11-15页 |
| 1.2.2 热门话题提取与追踪研究现状 | 第15-18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 1.4 本文的结构安排 | 第19-21页 |
| 2 相关背景知识 | 第21-28页 |
| 2.1 循环神经网络(RecurrentNeuralNetwork,RNN) | 第21-22页 |
| 2.2 词向量 | 第22-24页 |
| 2.3 梯度下降法(GradientDescent) | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 社交平台事件分类 | 第28-35页 |
| 3.1 输入文本编码 | 第29页 |
| 3.2 非线性激活层 | 第29-30页 |
| 3.3 门控循环单元(GatedRecurrentUnit,GRU) | 第30-32页 |
| 3.4 池化注意力机制(PoolingAttentionMechanism,PAN) | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 4 事件话题趋势追踪 | 第35-42页 |
| 4.1 数据预处理 | 第36页 |
| 4.2 改进的主题模型 | 第36-40页 |
| 4.3 主题扩展 | 第40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 实验与分析 | 第42-57页 |
| 5.1 PAN模型有效性实验与分析 | 第42-44页 |
| 5.1.1 数据集 | 第42-43页 |
| 5.1.2 实验设置 | 第43页 |
| 5.1.3 实验结果和分析 | 第43-44页 |
| 5.2 PAN模型可行性实验与分析 | 第44-48页 |
| 5.3 模型优化 | 第48-50页 |
| 5.4 TTD模型有效性实验与分析 | 第50-56页 |
| 5.4.1 实验预处理及模型参数设定 | 第51-52页 |
| 5.4.2 话题一致性评价 | 第52-54页 |
| 5.4.3 事件话题趋势追踪 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 总结 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表论文及科研成果 | 第62-63页 |
| 致谢 | 第63-64页 |
