| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 热点话题挖掘与跟踪 | 第9-10页 |
| 1.1.2 舆情趋势分析 | 第10页 |
| 1.1.3 专家系统知识抽取 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.2.1 短文本信息提取的研究现状 | 第11-12页 |
| 1.2.2 文本分类聚类的研究现状 | 第12-14页 |
| 1.3 本文的主要工作及创新点 | 第14页 |
| 1.4 论文的主要结构安排 | 第14-16页 |
| 第二章 文本主题抽取以及文本聚类相关技术 | 第16-27页 |
| 2.1 文本预处理 | 第16-17页 |
| 2.2 文本特征表示 | 第17-19页 |
| 2.3 文本特征提取 | 第19-21页 |
| 2.4 文本相似度计算 | 第21-22页 |
| 2.5 聚类算法 | 第22-25页 |
| 2.6 文本聚类效果质量评估 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 基于双层语料过滤器的中文短语串抽取方法 | 第27-43页 |
| 3.1 中文短语串的语义表达优势 | 第27-28页 |
| 3.2 双层语料过滤器的主要思想 | 第28-29页 |
| 3.3 第一层语料过滤器—词性过滤器 | 第29-34页 |
| 3.3.1 基于词性的正则表达式匹配 | 第29-31页 |
| 3.3.2 DFA处理 | 第31-34页 |
| 3.4 第二层语料过滤器—短语扩展过滤器 | 第34-39页 |
| 3.4.1 词语串频信息统计 | 第34-36页 |
| 3.4.2 词语串频信息参数分析 | 第36-37页 |
| 3.4.3 候选种子词选取与短语扩展 | 第37-39页 |
| 3.5 实验与计算结果 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于融合词语串频信息的ROCK聚类方法 | 第43-54页 |
| 4.1 ROCK聚类方法 | 第43-44页 |
| 4.2 基于词语串频信息的ROCK聚类方法思想 | 第44-46页 |
| 4.3 构建短语关联文档模型以及文档相关联模型 | 第46-47页 |
| 4.4 文本相似度计算 | 第47-48页 |
| 4.5 指导合并的Goodness函数 | 第48-49页 |
| 4.6 算法伪代码表示 | 第49页 |
| 4.7 实验结果与分析 | 第49-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 基于客户投诉服务的热点发现系统 | 第54-62页 |
| 5.1 基于客户投诉服务的热点发现系统HSMS简述 | 第54-55页 |
| 5.2 HSMS主要功能 | 第55-56页 |
| 5.3 HSMS功能流程分析与总体设计 | 第56-60页 |
| 5.3.1 HSMS功能流程分析 | 第56-57页 |
| 5.3.2 HSMS系统设计 | 第57-60页 |
| 5.4 HSMS运行效果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间主要论文及出版物 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |