| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及现状 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关算法和技术 | 第16-26页 |
| 2.1 分词方法 | 第16-18页 |
| 2.1.1 分词方法概述 | 第16页 |
| 2.1.2 机械分词方法 | 第16-17页 |
| 2.1.3 统计分词方法 | 第17-18页 |
| 2.1.4 理解分词方法 | 第18页 |
| 2.2 同义词词林 | 第18-19页 |
| 2.3 语义相似度算法 | 第19-20页 |
| 2.4 TF-IDF算法 | 第20-21页 |
| 2.5 聚类算法 | 第21-24页 |
| 2.5.1 聚类算法概述 | 第21页 |
| 2.5.2 聚类分析的基本概念 | 第21-22页 |
| 2.5.3 K-means算法介绍 | 第22-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 基于语义分析和改进K-means算法的新闻话题检测 | 第26-42页 |
| 3.1 文本预处理 | 第26-29页 |
| 3.1.1 分词 | 第26-27页 |
| 3.1.2 停用词过滤 | 第27-28页 |
| 3.1.3 语义歧义消除 | 第28-29页 |
| 3.1.4 同义词合并 | 第29页 |
| 3.2 文档模型和话题定义 | 第29-32页 |
| 3.2.1 文档表示模型 | 第29-31页 |
| 3.2.2 话题定义 | 第31-32页 |
| 3.3 基于改进K-means算法的话题提取 | 第32-38页 |
| 3.3.1 基于密度改进的K-means算法 | 第32-34页 |
| 3.3.2 话题检测算法 | 第34-38页 |
| 3.4 实验结果 | 第38-41页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验数据 | 第38-39页 |
| 3.4.3 评测标准 | 第39页 |
| 3.4.4 实验结果及应用 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 新闻热点分析平台设计与实现 | 第42-62页 |
| 4.1 平台总体架构 | 第42-45页 |
| 4.2 平台设计实现 | 第45-55页 |
| 4.2.1 数据采集 | 第45-50页 |
| 4.2.2 数据预处理 | 第50-51页 |
| 4.2.3 新闻热词提取 | 第51-52页 |
| 4.2.4 新闻话题提取 | 第52-54页 |
| 4.2.5 新闻查询 | 第54-55页 |
| 4.3 平台结果展现 | 第55-61页 |
| 4.3.1 新闻更新结果 | 第55页 |
| 4.3.2 新闻热词提取结果 | 第55-57页 |
| 4.3.3 新闻话题提取结果 | 第57-58页 |
| 4.3.4 新闻查询结果 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者和导师简介 | 第72-73页 |
| 附件 | 第73-74页 |