| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 TDT发展简史 | 第10-11页 |
| 1.3 TDT国内外研究现状 | 第11-14页 |
| 1.4 网络新闻热点话题研究现状 | 第14页 |
| 1.4.1 基于语义方法的研究 | 第14页 |
| 1.4.2 基于统计学方法的研究 | 第14页 |
| 1.5 论文的主要研究内容 | 第14-15页 |
| 1.6 论文的组织结构 | 第15-16页 |
| 第二章 相关理论和技术 | 第16-26页 |
| 2.1 TDT简介 | 第16-19页 |
| 2.1.1 TDT相关概念 | 第16-17页 |
| 2.1.2 TDT研究任务 | 第17-19页 |
| 2.2 话题发现与追踪系统处理流程 | 第19-25页 |
| 2.2.1 话题模型 | 第20-22页 |
| 2.2.2 相似度计算 | 第22-23页 |
| 2.2.3 文本聚类算法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于VSM模型和ILDA模型联合建模的新闻话题发现 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 ILDA模型的引出 | 第26-28页 |
| 3.3 基于VSM模型和ILDA模型联合的新闻话题发现 | 第28-32页 |
| 3.3.1 算法思想 | 第28-29页 |
| 3.3.2 新闻文本的VSM和ILDA建模 | 第29-31页 |
| 3.3.3 基于增量单边聚类算法的话题聚类 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于能量的热点话题排序算法 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 衰老理论介绍 | 第33-34页 |
| 4.3 衰老理论基本概念 | 第34-36页 |
| 4.4 衰老理论的建模流程 | 第36页 |
| 4.5 话题能量的计算 | 第36-38页 |
| 4.6 话题热度排序 | 第38页 |
| 4.7 本章小结 | 第38-39页 |
| 第五章 实验结果分析 | 第39-51页 |
| 5.1 实验环境与评价指标 | 第39-41页 |
| 5.1.1 实验环境 | 第39页 |
| 5.1.2 评价指标 | 第39-41页 |
| 5.2 实验语料获取 | 第41页 |
| 5.3 数据预处理 | 第41-44页 |
| 5.3.1 中文分词及词性标注 | 第42-43页 |
| 5.3.2 停用词和噪声词处理 | 第43-44页 |
| 5.4 特征词抽取 | 第44页 |
| 5.5 特征权重的计算 | 第44-45页 |
| 5.6 实验结果详细分析 | 第45-50页 |
| 5.7 实验小结 | 第50-51页 |
| 第六章 工作总结与展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |