摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第10-16页 |
1.1 研究背景 | 第10-12页 |
1.2 研究意义 | 第12-13页 |
1.3 研究内容 | 第13-14页 |
1.4 本文的创新点 | 第14-15页 |
1.5 本文的组织结构 | 第15-16页 |
2 相关工作及关键理论基础 | 第16-30页 |
2.1 微博内容分析 | 第16页 |
2.2 突发事件检测研究 | 第16-25页 |
2.2.1 突发事件定义 | 第16-17页 |
2.2.2 突发事件的舆情生命周期研究 | 第17-19页 |
2.2.3 突发事件检测技术研究 | 第19-24页 |
2.2.4 突发事件的舆情热度计算研究 | 第24-25页 |
2.3 中文微博文本处理技术研究 | 第25-29页 |
2.3.1 文本表示模型 | 第25-27页 |
2.3.2 相似度计算方法 | 第27-28页 |
2.3.3 凝聚式层次聚类算法 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
3 基于突发特征的突发事件检测 | 第30-56页 |
3.1 突发事件检测框架 | 第30-31页 |
3.2 微博数据分析及预处理 | 第31-37页 |
3.2.1 词性与事件描述的关系分析 | 第31-33页 |
3.2.2 微博噪声数据分析 | 第33页 |
3.2.3 微博数据预处理 | 第33-37页 |
3.3 突发主题词抽取 | 第37-42页 |
3.3.1 突发主题词与突发事件的关系分析 | 第37页 |
3.3.2 特征选择与计算 | 第37-40页 |
3.3.3 突发主题词抽取算法 | 第40-42页 |
3.4 基于突发主题词的突发事件检测 | 第42-47页 |
3.4.1 基于突发主题词的微博文本特征表示 | 第42-44页 |
3.4.2 基于突发主题词的微博文本相似度计算 | 第44-45页 |
3.4.3 基于突发主题词和凝聚式层次聚类的突发事件检测算法 | 第45-47页 |
3.5 实验及结果分析 | 第47-55页 |
3.5.1 实验数据集及预处理 | 第47页 |
3.5.2 评价指标 | 第47-48页 |
3.5.3 实验设计 | 第48-49页 |
3.5.4 实验一:突发主题词抽取 | 第49-51页 |
3.5.5 实验二:突发事件检测 | 第51-53页 |
3.5.6 突发事件检测实例分析 | 第53-55页 |
3.6 本章小结 | 第55-56页 |
4 突发事件的舆情热度分析 | 第56-67页 |
4.1 舆情热度分析框架 | 第56-57页 |
4.2 舆情热度的影响因素分析及量化 | 第57-59页 |
4.2.1 用户影响力 | 第57-58页 |
4.2.2 微博传播影响力 | 第58-59页 |
4.3 突发事件的舆情热度计算与分析 | 第59-60页 |
4.3.1 舆情热度计算方法 | 第59-60页 |
4.3.2 舆情热度时序分析 | 第60页 |
4.4 突发事件的舆情热度分析实例研究 | 第60-65页 |
4.4.1 突发事件实例概述 | 第61页 |
4.4.2 舆情热度分析 | 第61-65页 |
4.5 本章小结 | 第65-67页 |
5 总结与展望 | 第67-69页 |
5.1 总结 | 第67-68页 |
5.2 存在的不足及未来展望 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-75页 |
附录 | 第75页 |