| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 突发事件话题检测的研究现状 | 第11-12页 |
| 1.2.2 微博网络的研究现状 | 第12-13页 |
| 1.3 研究内容及主要工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 基于新浪微博的突发事件数据预处理的设计与实现 | 第15-29页 |
| 2.1 微博的数据预处理方案简介 | 第15-16页 |
| 2.2 数据爬取方案应用技术分析及实现 | 第16-23页 |
| 2.2.1 数据爬取方案分析 | 第16-19页 |
| 2.2.2 数据爬取方案实现 | 第19-23页 |
| 2.3 数据库存储设计 | 第23-24页 |
| 2.4 中文文本处理 | 第24-28页 |
| 2.4.1 中文文本表示 | 第24页 |
| 2.4.2 文本分词 | 第24-26页 |
| 2.4.3 文本数据分析及处理 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于TC-LDA算法的微博话题检测的设计与实现 | 第29-43页 |
| 3.1 文本聚类算法 | 第29-31页 |
| 3.1.1 文本聚类算法概述 | 第29页 |
| 3.1.2 常用的文本聚类算法 | 第29-31页 |
| 3.2 微博特点分析 | 第31-32页 |
| 3.3 LDA算法 | 第32-36页 |
| 3.3.1 LDA算法研究现状 | 第32-33页 |
| 3.3.2 LDA算法概述 | 第33-36页 |
| 3.4 TC-LDA算法 | 第36-39页 |
| 3.4.1 TC-LDA模型介绍 | 第36-37页 |
| 3.4.2 公式推导 | 第37-39页 |
| 3.5 实验评测 | 第39-42页 |
| 3.5.1 数据集 | 第39页 |
| 3.5.2 模型评估方法 | 第39页 |
| 3.5.3 模型参数的确定 | 第39-41页 |
| 3.5.4 结果分析与展示 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 微博网络跟踪系统的传播模型的研究 | 第43-59页 |
| 4.1 微博网络跟踪系统的传播模型 | 第43页 |
| 4.2 微博网络传播模型的建模思路概述 | 第43-45页 |
| 4.2.1 微博网络传播的复杂性原因 | 第43-44页 |
| 4.2.2 微博网络传播模型的建模思路分析 | 第44-45页 |
| 4.3 Agent技术和Petri网的相关理论综述 | 第45-48页 |
| 4.3.1 Agent技术 | 第45-47页 |
| 4.3.2 Petri网 | 第47-48页 |
| 4.4 基于Agent的系统节点描述 | 第48-51页 |
| 4.4.1 节点属性定义 | 第48-50页 |
| 4.4.2 节点传播规则描述 | 第50-51页 |
| 4.5 基于CPN的网络传播模型 | 第51-57页 |
| 4.5.1 网络传播流描述以及建模工具介绍 | 第51-52页 |
| 4.5.2 话题传播模型 | 第52-55页 |
| 4.5.3 博文传播模型 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 结束语 | 第59-61页 |
| 5.1 论文工作总结 | 第59-60页 |
| 5.2 问题与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |
