基于用户行为的推特事件检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 推特事件检测研究现状 | 第14-19页 |
| 1.2.1 特定事件检测 | 第14-16页 |
| 1.2.2 非特定事件检测 | 第16-19页 |
| 1.3 论文研究内容 | 第19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 相关技术背景 | 第21-30页 |
| 2.1 文本相似度计算 | 第21-26页 |
| 2.1.1 词汇相似度 | 第21-24页 |
| 2.1.2 文本向量化表示 | 第24页 |
| 2.1.3 文本相似度测度 | 第24-26页 |
| 2.2 增量文本聚类技术 | 第26-27页 |
| 2.3 状态机理论 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 噪声环境的推特事件检测方法 | 第30-57页 |
| 3.1 研究背景 | 第30页 |
| 3.2 推特事件检测 | 第30-32页 |
| 3.2.1 事件定义 | 第31页 |
| 3.2.2 事件检测框架 | 第31-32页 |
| 3.3 短文本增量聚类 | 第32-40页 |
| 3.3.1 总体流程 | 第33-35页 |
| 3.3.2 文本预聚类 | 第35-37页 |
| 3.3.3 在线增量聚类 | 第37-40页 |
| 3.4 事件去重 | 第40-45页 |
| 3.4.1 直接去重方法 | 第40-41页 |
| 3.4.2 基于语义SimHash的事件去重 | 第41-45页 |
| 3.5 事件检测系统实现 | 第45-50页 |
| 3.5.1 系统整体结构 | 第45-46页 |
| 3.5.2 推文预处理 | 第46-47页 |
| 3.5.3 推文去重 | 第47-48页 |
| 3.5.4 事件展示 | 第48-50页 |
| 3.6 测试与分析 | 第50-56页 |
| 3.6.1 聚类评价准则 | 第50-51页 |
| 3.6.2 测试数据集 | 第51-52页 |
| 3.6.3 推文增量聚类测试 | 第52-54页 |
| 3.6.4 事件检测测试 | 第54-56页 |
| 3.7 本章小结 | 第56-57页 |
| 第四章 基于用户行为特征的现实事件判定方法 | 第57-75页 |
| 4.1 研究背景 | 第57-58页 |
| 4.2 推特用户行为分析 | 第58-66页 |
| 4.2.1 推特功能与用户行为 | 第58-60页 |
| 4.2.2 用户行为分析 | 第60-66页 |
| 4.3 基于用户行为的事件判定方法 | 第66-70页 |
| 4.3.1 事件特征提取 | 第66-69页 |
| 4.3.2 事件判定方法 | 第69-70页 |
| 4.4 事件判定测试分析 | 第70-72页 |
| 4.4.1 事件判定评价准则 | 第70-71页 |
| 4.4.2 测试数据集 | 第71页 |
| 4.4.3 测试结果与分析 | 第71-72页 |
| 4.5 事件检测应用效果 | 第72-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第五章 结论 | 第75-77页 |
| 5.1 全文总结 | 第75-76页 |
| 5.2 后续工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |
