声明
摘要
第1章 绪论
1.1 课题的研究背景和意义
1.2 微博事件检测研究现状
1.2.1 文档优先与特征优先
1.2.2 回顾式事件和新事件发现
1.3 本文的主要内容和结构安排
第2章 特征优先的微博突发事件检测
2.1 算法框架
2.2 特征检测
2.2.1 概率生成模型
2.2.2 指数平滑预测
2.2.3 频域分析
2.2.4 总结
2.3 事件生成
2.3.1 基于向量空间模型与文档聚类的事件生成
2.3.2 基于网络模型与社区检测的事件生成
2.3.3 总结
2.4 事件检测的评价标准
2.5 本章小结
第3章 面向带权动态网络的自适应社区检测算法
3.1 带权动态网络模型
3.1.1 模型定义及符号标记
3.1.2 权重强度
3.1.3 调整Modularity指标
3.2 QCA算法
3.2.1 符号标记及目标函数
3.2.2 算法流程
3.2.3 扩展至带权动态网络
3.3 自适应社区检测算法
3.3.1 基于作用力概念的推论及证明
3.3.2 算法流程
3.4 社区检测结果的评价方法
3.5 实验结果
3.5.1 实验集
3.5.2 自适应社区检测算法性能分析
3.5.3 自适应社区检测算法结果示例和分析
3.6 本章小结
第4章 微博突发事件在线检测系统实现
4.1 系统框架
4.2 模块实现
4.2.1 预处理
4.2.2 突发性估计
4.2.3 词图构建
4.2.4 事件生成
4.3 实验结果
4.3.1 实验集
4.3.2 事件发现性能分析
4.3.3 事件发现结果展示
4.4 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果