面向网络新闻的话题检测技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景和研究意义 | 第9页 |
| ·国内外相关技术及研究现状 | 第9-11页 |
| ·本文主要内容及创新点 | 第11-12页 |
| ·论文的组织和安排 | 第12-13页 |
| 第二章 话题检测相关技术 | 第13-23页 |
| ·话题检测技术概述 | 第13-14页 |
| ·基本概念 | 第13页 |
| ·话题检测基本流程 | 第13-14页 |
| ·文本表示模型 | 第14-18页 |
| ·布尔模型 | 第14-15页 |
| ·概率模型 | 第15-16页 |
| ·向量空间模型 | 第16-17页 |
| ·LDA 主题模型 | 第17-18页 |
| ·相似度计算方法 | 第18-20页 |
| ·文档相似度计算 | 第18-19页 |
| ·类簇相似度计算 | 第19-20页 |
| ·文本聚类算法 | 第20-22页 |
| ·层次聚类算法 | 第20-21页 |
| ·基于划分的聚类算法 | 第21-22页 |
| ·增量聚类算法 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 基于核心词簇的网络热点话题发现 | 第23-32页 |
| ·相关工作 | 第23-24页 |
| ·热点话题发现模型 | 第24-27页 |
| ·报道/话题模型 | 第24-25页 |
| ·核心词簇 | 第25-26页 |
| ·相似度计算公式 | 第26页 |
| ·话题热度评估 | 第26-27页 |
| ·基于核心词簇的热点话题发现算法 | 第27-28页 |
| ·算法思想 | 第27页 |
| ·算法描述 | 第27-28页 |
| ·实验与分析 | 第28-31页 |
| ·实验语料 | 第28页 |
| ·评价指标 | 第28-29页 |
| ·实验结果与分析 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于 LDA 的新闻话题子话题划分方法 | 第32-42页 |
| ·相关工作 | 第32-33页 |
| ·文本表示 | 第33-34页 |
| ·LDA 文档建模过程 | 第33页 |
| ·确定最优主题数 | 第33-34页 |
| ·改进的相似度计算方法 | 第34-36页 |
| ·基于 LDA 的子话题划分算法 | 第36-37页 |
| ·聚类策略 | 第36页 |
| ·子话题划分步骤 | 第36-37页 |
| ·实验及分析 | 第37-41页 |
| ·实验语料 | 第37-38页 |
| ·评测指标 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| ·总结 | 第42页 |
| ·展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻硕期间发表论文及科研成果 | 第47-48页 |
| 致谢 | 第48页 |
