摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第15-25页 |
1.1. 研究背景及意义 | 第15-17页 |
1.2. 研究内容 | 第17-20页 |
1.3. 研究目标 | 第20-21页 |
1.4. 论文的主要贡献 | 第21-23页 |
1.5. 论文的组织结构 | 第23-25页 |
第二章 研究基础与现状 | 第25-37页 |
2.1. 文本内容挖掘 | 第25-31页 |
2.1.1. 自然语言处理 | 第26-27页 |
2.1.2. 文本表示 | 第27-28页 |
2.1.3. 文本挖掘算法 | 第28-30页 |
2.1.4. 文本挖掘应用 | 第30-31页 |
2.2. 基于复杂信息网络的文本内容挖掘 | 第31-37页 |
2.2.1. 基于外部词典的语义标注 | 第31-32页 |
2.2.2. 基于多类型数据的嵌入算法 | 第32-33页 |
2.2.3. 基于分辨力分析的文档聚类 | 第33-34页 |
2.2.4. 基于社交媒体的事件发现 | 第34-37页 |
第三章 基于短文本的语义标注系统 | 第37-47页 |
3.1. 引言 | 第37-39页 |
3.2. 文本标注系统 | 第39-44页 |
3.2.1. 系统描述 | 第39-40页 |
3.2.2. 命名实体识别 | 第40-41页 |
3.2.3. 语义消歧算法 | 第41-44页 |
3.3. 实验与分析 | 第44-46页 |
3.4. 本章小结 | 第46-47页 |
第四章 异构信息网络中多类型数据嵌入算法 | 第47-59页 |
4.1. 引言 | 第47-49页 |
4.2. 多类型数据嵌入 | 第49-53页 |
4.2.1. 问题定义 | 第49-50页 |
4.2.2. 主题模型的介绍 | 第50-51页 |
4.2.3. 主题模型的泛化 | 第51-53页 |
4.3. 实验与分析 | 第53-57页 |
4.3.1. 实验数据集 | 第53页 |
4.3.2. 潜在空间评估 | 第53-55页 |
4.3.3. 聚类效果评估 | 第55-57页 |
4.4. 本章小结 | 第57-59页 |
第五章 基于词共现图中心性度量的分辨力索引算法的文档聚类 | 第59-75页 |
5.1. 引言 | 第59-61页 |
5.2. 分辨力索引 | 第61-67页 |
5.2.1. 问题定义 | 第61-62页 |
5.2.2. 基于中心性度量的分辨力计算 | 第62-65页 |
5.2.3. 分辨力检索 | 第65-67页 |
5.3. 基于分辨力检索的文档聚类算法 | 第67-68页 |
5.3.1. 算法描述 | 第67-68页 |
5.3.2. 时间复杂度分析 | 第68页 |
5.4. 实验与分析 | 第68-74页 |
5.4.1. 实验数据集 | 第69页 |
5.4.2. 评估指标描述 | 第69-70页 |
5.4.3. 聚类结果比较 | 第70-72页 |
5.4.4. 不同粒度的聚类性能比较 | 第72-73页 |
5.4.5. DICM与TF-IDF的比较 | 第73-74页 |
5.5. 本章小结 | 第74-75页 |
第六章 社交媒体停电事件监测算法 | 第75-91页 |
6.1. 引言 | 第75-77页 |
6.2. 停电事件监测的问题分析 | 第77-80页 |
6.2.1. 推文的语义分析 | 第77-78页 |
6.2.2. 推文的时间分析 | 第78-79页 |
6.2.3. 推文的位置分析 | 第79页 |
6.2.4. 停电事件监测系统框架 | 第79-80页 |
6.3. 停电事件监测系统的学习阶段模型 | 第80-83页 |
6.3.1. 有监督的主题模型 | 第80-83页 |
6.3.2. 异构信息网络 | 第83页 |
6.4. 停电事件监测系统的监测阶段模型 | 第83-84页 |
6.5. 实验与分析 | 第84-90页 |
6.5.1. 实验设置 | 第84-85页 |
6.5.2. 位置信息监测性能分析 | 第85-87页 |
6.5.3. 主题抽取性能分析 | 第87-88页 |
6.5.4. 停电事件监测性能分析 | 第88-90页 |
6.6. 本章小结 | 第90-91页 |
第七章 结束语 | 第91-95页 |
7.1. 论文总结 | 第91-92页 |
7.2. 进一步工作 | 第92-95页 |
参考文献 | 第95-109页 |
附录 缩略语 | 第109-110页 |
致谢 | 第110-111页 |
攻读博士学位期间发表和录用的论文 | 第111-113页 |
攻读博士学位期间申请的专利 | 第113页 |