基于LDA的微博灾害信息聚合--以台风为例
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 研究现状综述 | 第13-16页 |
| 1.2.1 微博信息聚合 | 第13-14页 |
| 1.2.2 主题模型 | 第14-15页 |
| 1.2.3 研究现状总结 | 第15-16页 |
| 1.3 研究目标与内容 | 第16-17页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.4 技术路线 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第2章 微博数据采集与预处理 | 第20-27页 |
| 2.1 微博数据采集 | 第20-24页 |
| 2.1.1 网络爬虫技术 | 第20-21页 |
| 2.1.2 微博开放平台介绍 | 第21页 |
| 2.1.3 微博数据采集方案 | 第21-24页 |
| 2.2 微博数据预处理 | 第24-25页 |
| 2.2.1 中文分词 | 第24-25页 |
| 2.2.2 停用词过滤 | 第25页 |
| 2.2.3 无关词过滤 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于LDA的灾害主题模型构建 | 第27-44页 |
| 3.1 LDA主题模型基本理论 | 第27-30页 |
| 3.1.1 狄利克雷分布 | 第27页 |
| 3.1.2 生成模型 | 第27-29页 |
| 3.1.3 VEM参数估计 | 第29页 |
| 3.1.4 Gibbs采样 | 第29-30页 |
| 3.2 基于LDA的灾害主题模型构建过程 | 第30-35页 |
| 3.2.1 总体流程概述 | 第30-31页 |
| 3.2.2 灾害语料库构建 | 第31页 |
| 3.2.3 LDA主题模型 | 第31-34页 |
| 3.2.4 主题数目确定 | 第34页 |
| 3.2.5 主题相似度 | 第34-35页 |
| 3.3 实验与分析 | 第35-43页 |
| 3.3.1 实验数据 | 第35-36页 |
| 3.3.2 实验结果 | 第36-42页 |
| 3.3.3 实验分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 微博灾害信息聚合 | 第44-52页 |
| 4.1 基本理论 | 第44-45页 |
| 4.1.1 词频-逆文本频度分析 | 第44-45页 |
| 4.1.2 命名实体识别 | 第45页 |
| 4.2 渐进求精的微博数据聚合 | 第45-46页 |
| 4.2.1 灾害关键词 | 第45页 |
| 4.2.2 时间 | 第45-46页 |
| 4.3 微博灾害信息聚合 | 第46-49页 |
| 4.3.1 时空分布信息 | 第46-48页 |
| 4.3.2 主题特征信息 | 第48-49页 |
| 4.4 聚合信息可视化方法 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 实验与分析 | 第52-64页 |
| 5.1 实验平台搭建 | 第52-53页 |
| 5.2 实验结果与分析 | 第53-63页 |
| 5.2.1 实验数据 | 第53-54页 |
| 5.2.2 实验结果与分析 | 第54-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-67页 |
| 6.1 本文的研究成果 | 第64-65页 |
| 6.2 创新点 | 第65页 |
| 6.3 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-72页 |
| 主要成果 | 第71页 |
| 科研项目 | 第71-72页 |
| 致谢 | 第72-73页 |
