基于微博的新兴热点事件检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究的主要内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 1.5 小结 | 第12-13页 |
| 2 相关技术和概念综述 | 第13-26页 |
| 2.1 微博简介及其特征 | 第13-15页 |
| 2.1.1 微博简介 | 第13-14页 |
| 2.1.2 微博的特征 | 第14-15页 |
| 2.2 中文分词技术 | 第15-18页 |
| 2.2.1 中文分词简介 | 第16-17页 |
| 2.2.2 中文分词算法介绍 | 第17-18页 |
| 2.3 文本相似性度量方法 | 第18-22页 |
| 2.3.1 文本表示方法 | 第19页 |
| 2.3.2 文本预处理及特征表示 | 第19-21页 |
| 2.3.3 文本相似性计算 | 第21-22页 |
| 2.4 微博事件检测技术 | 第22-25页 |
| 2.4.1 事件检测 | 第22-23页 |
| 2.4.2 微博事件检测 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 微博新兴热点事件检测方法 | 第26-41页 |
| 3.1 微博数据预处理 | 第27-29页 |
| 3.2 微博文本事件聚类 | 第29-33页 |
| 3.2.1 聚类算法 | 第29页 |
| 3.2.2 微博事件聚类 | 第29-33页 |
| 3.3 基于影响力的事件新兴热点评定 | 第33-38页 |
| 3.3.1 基于影响力的事件热点评分 | 第33-36页 |
| 3.3.2 事件新兴热点评分 | 第36-38页 |
| 3.4 新兴热点事件摘要生成 | 第38-40页 |
| 3.4.1 摘要生成模型 | 第38页 |
| 3.4.2 微博事件摘要的生成 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 实验结果与分析 | 第41-54页 |
| 4.1 实验数据 | 第41-42页 |
| 4.2 数据预处理 | 第42-43页 |
| 4.3 新兴热点事件检测评估 | 第43-53页 |
| 4.3.1 评估指标 | 第43-44页 |
| 4.3.2 相关参数确定 | 第44-46页 |
| 4.3.3 新兴热点事件检测结果分析 | 第46-49页 |
| 4.3.4 与Key Graph算法对比实验 | 第49-51页 |
| 4.3.5 IEED方法部分检测结果展示 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
