| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 插图索引 | 第13-15页 |
| 表格索引 | 第15-16页 |
| 第一章 绪论 | 第16-20页 |
| ·课题来源 | 第16页 |
| ·研究背景与意义 | 第16-17页 |
| ·主要研究成果与创新点 | 第17-18页 |
| ·论文组织 | 第18-20页 |
| 第二章 相关技术 | 第20-34页 |
| ·突发事件信息 | 第20-31页 |
| ·突发事件 | 第20-23页 |
| ·突发事件信息监测与处理 | 第23-26页 |
| ·突发事件主题跟踪(TT) | 第26-29页 |
| ·突发事件情景 | 第29-31页 |
| ·多Agent系统 | 第31-33页 |
| ·多Agent系统 | 第31-32页 |
| ·多Agent系统的应用 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 突发事件信息的分布式信息采集 | 第34-55页 |
| ·聚焦双高网页的信息采集 | 第34-42页 |
| ·FDHP算法的提出 | 第34-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·基于SRP算法的URL去重 | 第42-45页 |
| ·RP算法 | 第42-43页 |
| ·SRP算法的提出 | 第43-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·基于MCSA方法的主题网页内容抽取 | 第45-54页 |
| ·MCSA方法的提出 | 第46-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于EQBC方法的主题文本分类 | 第55-68页 |
| ·概述 | 第55页 |
| ·QBC文本分类方法 | 第55-60页 |
| ·在线文本分类过程 | 第55-56页 |
| ·QBC分类模型 | 第56-57页 |
| ·信息增益 | 第57-59页 |
| ·查询次数 | 第59-60页 |
| ·EQBC方法 | 第60-63页 |
| ·未标注数据的扩展定义 | 第60-61页 |
| ·未标注数据点的信息计算 | 第61-62页 |
| ·EQBC方法的提出 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·实验设置 | 第63-64页 |
| ·实验分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 基于情景的突发事件分析与处理 | 第68-81页 |
| ·突发事件情景的七元组定义 | 第68-69页 |
| ·情景分析框架 | 第69-74页 |
| ·框架设计与功能 | 第69-71页 |
| ·规则与情景-本体-数据模式映射模型 | 第71-74页 |
| ·情景使用 | 第74-77页 |
| ·情景的关系与分级 | 第74-76页 |
| ·情景分析框架的组成和处理流程 | 第76-77页 |
| ·案例应用与实验 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 基于多Agent的突发事件信息智能监测原型系统 | 第81-103页 |
| ·原型系统设计 | 第81-82页 |
| ·基于Agent的分布式信息采集系统 | 第82-90页 |
| ·基于Agent的分布式主题爬虫 | 第83-85页 |
| ·主题爬虫功能实现 | 第85-88页 |
| ·采集系统运行实验 | 第88-90页 |
| ·突发事件主题检测与跟踪系统 | 第90-95页 |
| ·基于主题关键字词典的主题检测 | 第91-94页 |
| ·基于时间顺序的主题跟踪 | 第94-95页 |
| ·基于Agent的情景系统 | 第95-99页 |
| ·情景固化 | 第95-96页 |
| ·基于Agent的情景系统实现 | 第96-99页 |
| ·系统支撑平台设计 | 第99-100页 |
| ·系统运行与测试实验 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第七章 结束语 | 第103-106页 |
| ·论文工作总结 | 第103-105页 |
| ·进一步的研究工作 | 第105-106页 |
| 参考文献 | 第106-118页 |
| 攻读博士学位期间的科研成果 | 第118-122页 |
| 致谢 | 第122页 |