| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.4 本文的研究内容及组织结构 | 第12-14页 |
| 2 相关技术介绍 | 第14-25页 |
| 2.1 数据获取及预处理 | 第15-21页 |
| 2.2 文本聚类技术 | 第21-23页 |
| 2.3 文本分类技术 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于层次聚类的话题检测 | 第25-33页 |
| 3.1 基于层次聚类的话题检测算法 | 第26-29页 |
| 3.2 话题检测中特征权重计算 | 第29-30页 |
| 3.3 话题检测中改进的相似度计算 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于改进的 KNN 算法的话题跟踪 | 第33-43页 |
| 4.1 K 最近邻算法 | 第34-36页 |
| 4.2 支持向量机算法 | 第36-38页 |
| 4.3 基于 SVM 和 KNN 算法结合的话题跟踪算法 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 系统实验测评 | 第43-54页 |
| 5.1 实验环境 | 第43页 |
| 5.2 实验数据 | 第43-44页 |
| 5.3 评测方法 | 第44-46页 |
| 5.4 实验设置和结果分析 | 第46-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |