| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 微博突发事件检测研究现状 | 第12-13页 |
| 1.2.2 大规模微博突发事件检测研究现状 | 第13-16页 |
| 1.3 主要工作 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 基于突发词地域分析的微博突发事件检测方法 | 第18-30页 |
| 2.1 地域变化规律 | 第18-19页 |
| 2.2 模型与方法 | 第19-24页 |
| 2.2.1 形式定义 | 第19-20页 |
| 2.2.2 模型框架 | 第20-21页 |
| 2.2.3 噪声文档过滤 | 第21-22页 |
| 2.2.4 特征词地域突发性检测 | 第22-23页 |
| 2.2.5 新微博突发事件检测 | 第23-24页 |
| 2.3 实验及结果分析 | 第24-29页 |
| 2.3.1 实验数据及评价标准 | 第24-25页 |
| 2.3.2 参数估计 | 第25-26页 |
| 2.3.3 实验结果及对比 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于Spark的微博突发事件并行检测方法 | 第30-55页 |
| 3.1 Spark简介 | 第30-31页 |
| 3.2 基于Spark的微博突发事件并行检测模型 | 第31-39页 |
| 3.2.1 噪声文档过滤的并行化 | 第32-34页 |
| 3.2.2 特征词地域突发性检测的并行化 | 第34-35页 |
| 3.2.3 新微博突发事件检测的并行化 | 第35-39页 |
| 3.3 实验及结果分析 | 第39-54页 |
| 3.3.1 实验环境 | 第39-40页 |
| 3.3.2 实验数据及评价标准 | 第40-41页 |
| 3.3.3 算法精度实验与分析 | 第41-43页 |
| 3.3.4 算法时间效率实验与分析 | 第43-46页 |
| 3.3.5 算法数据伸缩性实验与分析 | 第46-48页 |
| 3.3.6 算法可扩展性实验与分析 | 第48-49页 |
| 3.3.7 Spark与Hadoop平台对比实验与分析 | 第49-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 总结与展望 | 第55-57页 |
| 4.1 主要工作和贡献 | 第55-56页 |
| 4.2 下一步研究工作 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间参加的科研项目 | 第63页 |
| 攻读硕士学位期间发表的学术论文 | 第63页 |