首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

一种基于语义分析的微博话题搜索算法

摘要第5-6页
abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景及意义第10-11页
    1.2 微博概述第11-12页
    1.3 国内外研究现状及存在的问题第12-15页
        1.3.1 微博搜索研究第12-13页
        1.3.2 语义分析技术第13-14页
        1.3.3 话题检测与发现第14页
        1.3.4 存在的问题第14-15页
    1.4 论文研究内容及组织结构第15-18页
        1.4.1 论文研究内容第15-16页
        1.4.2 论文组织结构第16-18页
第2章 相关技术理论基础第18-28页
    2.1 微博数据抽取技术第18-19页
        2.1.1 基于网络爬虫的数据获取第18页
        2.1.2 基于API的数据获取第18-19页
        2.1.3 微博数据抽取方法比较第19页
    2.2 主题模型第19-23页
        2.2.1 模型概述第20-22页
        2.2.2 模型求解第22页
        2.2.3 模型评估第22-23页
    2.3 信息检索基本理论第23-27页
        2.3.1 信息检索基本概念第23页
        2.3.2 信息检索模型第23-26页
        2.3.3 信息检索评价第26-27页
    2.4 本章小结第27-28页
第3章 基于语义分析的微博话题搜索算法第28-48页
    3.1 MTS-SS算法思路第28-30页
        3.1.1 提出问题第28页
        3.1.2 解决思路第28-30页
    3.2 MTS-SS算法关键技术第30-45页
        3.2.1 组合相似度计算第30-33页
        3.2.2 双层语义查询扩展第33-37页
        3.2.3 微博话题挖掘模型第37-43页
        3.2.4 话题搜索排序方法第43-45页
    3.3 MTS-SS算法流程第45-47页
    3.4 本章小结第47-48页
第4章 实验与结果分析第48-62页
    4.1 实验环境第48页
    4.2 数据采集及处理第48-49页
    4.3 实验评价方法第49-50页
    4.4 实验设计与结果分析第50-60页
        4.4.1 查询词双层语义扩展性能测试第50-54页
        4.4.2 微博话题挖掘模型性能测试第54-57页
        4.4.3 组合相似度性能测试第57-59页
        4.4.4 微博话题搜索算法测试第59-60页
    4.5 本章小结第60-62页
结论第62-64页
参考文献第64-68页
攻读硕士学位期间发表的论文和取得的科研成果第68-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:基于Hadoop的在线聚集查询处理方法研究
下一篇:海量数据的KNN文本分类算法的MapReduce实现研究