| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10页 |
| 1.2 研究背景及现状分析 | 第10-12页 |
| 1.2.1 话题检测研究现状 | 第10-11页 |
| 1.2.2 OPTICS算法及其自动簇识别方法研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 第2章 相关知识 | 第16-25页 |
| 2.1 话题检测与跟踪 | 第16-18页 |
| 2.1.1 话题检测与跟踪概述 | 第16页 |
| 2.1.2 话题检测与跟踪相关概念 | 第16-17页 |
| 2.1.3 话题检测与跟踪主要任务 | 第17-18页 |
| 2.1.4 语料及标注情况 | 第18页 |
| 2.2 文本表示模型 | 第18-22页 |
| 2.2.1 向量空间模型 | 第19-20页 |
| 2.2.2 LSI模型 | 第20页 |
| 2.2.3 PLSI模型 | 第20-21页 |
| 2.2.4 LDA模型 | 第21-22页 |
| 2.3 本文语料库及实验评价标准 | 第22-24页 |
| 2.3.1 实验数据 | 第22-23页 |
| 2.3.2 数据预处理 | 第23页 |
| 2.3.3 实验评价标准 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 面向话题检测的T-OPTICS聚类算法 | 第25-37页 |
| 3.1 聚类算法 | 第25-28页 |
| 3.1.1 基于划分的聚类 | 第25-26页 |
| 3.1.2 层次聚类 | 第26-27页 |
| 3.1.3 基于密度的聚类 | 第27-28页 |
| 3.2 OPTICS算法 | 第28-30页 |
| 3.3 算法改进 | 第30-31页 |
| 3.4 实验结果及分析 | 第31-35页 |
| 3.4.1 实验设计 | 第31-32页 |
| 3.4.2 实验结果分析 | 第32-35页 |
| 3.4.3 LDA+T-OPTICS与VSM+K-means对比 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于可达图的自动话题检测 | 第37-46页 |
| 4.1 可达图 | 第37-39页 |
| 4.2 事件划分 | 第39-40页 |
| 4.3 事件建模与合并 | 第40-42页 |
| 4.4 基于自动簇识别的话题检测 | 第42-43页 |
| 4.5 实验结果及分析 | 第43-45页 |
| 4.5.1 实验设计 | 第43-44页 |
| 4.5.2 实验结果分析 | 第44-45页 |
| 4.5.3 实验结果总结 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 本文总结 | 第46页 |
| 5.2 工作展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间取得的科研成果 | 第52页 |