| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 以事件类型来分类 | 第12-13页 |
| 1.2.2 以实现技术来分类 | 第13-15页 |
| 1.2.3 研究现状总结分析 | 第15页 |
| 1.3 研究目标和内容 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 事件检测相关技术研究 | 第19-32页 |
| 2.1 主题模型 | 第19-26页 |
| 2.1.1 隐性语义分析（LSA）和奇异值分解（SVD） | 第19-20页 |
| 2.1.2 概率潜在语义分析（PLSA） | 第20-26页 |
| 2.2 HITS算法 | 第26-30页 |
| 2.2.1 Hub页面和Authority页面 | 第26-27页 |
| 2.2.2 核心思想 | 第27页 |
| 2.2.3 HITS算法在搜索领域应用 | 第27-29页 |
| 2.2.4 HITS算法的优缺点分析 | 第29-30页 |
| 2.3 余弦相似度 | 第30-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第三章 社交网络事件检测数据处理与分析模型 | 第32-51页 |
| 3.1 事件检测关键问题分析及改进方法 | 第32-33页 |
| 3.2 EVE事件检测模型 | 第33-39页 |
| 3.2.1 数据处理模块 | 第34-36页 |
| 3.2.2 数据分析模块 | 第36-39页 |
| 3.3 实验与结果分析 | 第39-49页 |
| 3.3.1 实验目的 | 第39页 |
| 3.3.2 实验数据 | 第39页 |
| 3.3.3 基础参数设置 | 第39-40页 |
| 3.3.4 实验对比模型 | 第40-41页 |
| 3.3.5 实验结果对比分析 | 第41-49页 |
| 3.4 本章小节 | 第49-51页 |
| 第四章 智能识别检测事件研究 | 第51-57页 |
| 4.1 关键问题分析及改进方法 | 第51-52页 |
| 4.2 智能识别模块 | 第52-54页 |
| 4.2.1 设定基准微博 | 第53页 |
| 4.2.2 计算余弦距离 | 第53-54页 |
| 4.2.3 定义临界值--λ_P和η_0 | 第54页 |
| 4.3 实验结果分析 | 第54-56页 |
| 4.5 本章小节 | 第56-57页 |
| 第五章 总结与展望 | 第57-60页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |