互联网新闻热点挖掘系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9页 |
| ·课题目的及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第2章 相关技术介绍 | 第14-27页 |
| ·相似度计算方法 | 第14-15页 |
| ·文本分类 | 第15-21页 |
| ·文本分类概述 | 第15-16页 |
| ·特征选择方法 | 第16-18页 |
| ·常用文本分类算法 | 第18-21页 |
| ·文本聚类 | 第21-26页 |
| ·文本分聚概述 | 第21页 |
| ·常用文本聚类算法 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 互联网新闻热点挖掘系统的核心算法 | 第27-40页 |
| ·基于类别特征域的文本分类算法 | 第27-31页 |
| ·类别特征域定义 | 第27页 |
| ·构建类别特征域 | 第27-28页 |
| ·利用类别特征域进行特征合并 | 第28-29页 |
| ·基于类别特征域的KNN文本分类算法 | 第29-31页 |
| ·基于双时间窗和二次聚类的话题检测与跟踪算法 | 第31-38页 |
| ·新事件检测的基本模型 | 第32-33页 |
| ·基于双时间窗和二次聚类的核心算法 | 第33-37页 |
| ·话题跟踪的话题漂移 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 互联网新闻热点挖掘系统的实现 | 第40-48页 |
| ·系统框架 | 第40-41页 |
| ·各功能模块介绍 | 第41-45页 |
| ·新闻采集模块 | 第41-43页 |
| ·分类模块 | 第43页 |
| ·聚类模块 | 第43-44页 |
| ·热点展示模块 | 第44-45页 |
| ·系统演示 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验评测与结果分析 | 第48-56页 |
| ·实验环境 | 第48页 |
| ·实验数据 | 第48-49页 |
| ·实验结果分析 | 第49-55页 |
| ·文本分类结果分析 | 第49-52页 |
| ·TDT结果分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
