基于论坛的热点话题识别与趋势预测研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外现状 | 第8-10页 |
| 1.2.1 话题检测 | 第9-10页 |
| 1.2.2 话题预测分析 | 第10页 |
| 1.3 本文研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第2章 相关技术及原理 | 第12-26页 |
| 2.1 论坛数据的采集与处理 | 第12-17页 |
| 2.1.1 爬虫的概念 | 第12页 |
| 2.1.2 原理 | 第12-14页 |
| 2.1.3 关键部分 | 第14-17页 |
| 2.2 热点话题检测 | 第17-24页 |
| 2.2.1 热点话题的描述 | 第18页 |
| 2.2.2 文本表示模型 | 第18-19页 |
| 2.2.3 文本特征提取 | 第19-22页 |
| 2.2.4 文本相似度计算 | 第22-23页 |
| 2.2.5 文本聚类 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 热点话题识别 | 第26-39页 |
| 3.1 文本预处理 | 第26-29页 |
| 3.1.1 中文分词 | 第26-27页 |
| 3.1.2 停用词的处理 | 第27-28页 |
| 3.1.3 特征提取 | 第28-29页 |
| 3.2 热点话题检测 | 第29-35页 |
| 3.2.1 多向量表示模型 | 第29-30页 |
| 3.2.2 相似度计算 | 第30-32页 |
| 3.2.3 基于二次聚类的话题检测 | 第32-35页 |
| 3.3 实验及结果分析 | 第35-38页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 实验数据 | 第35-36页 |
| 3.3.3 评判标准 | 第36-37页 |
| 3.3.4 结果分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 热点话题的预测分析 | 第39-49页 |
| 4.1 ARIMA模型 | 第39-44页 |
| 4.1.1 ARIMA模型介绍 | 第39-40页 |
| 4.1.2 建模步骤 | 第40-41页 |
| 4.1.3 模型识别和参数估计 | 第41-42页 |
| 4.1.4 模型的检验 | 第42-43页 |
| 4.1.5 模型预测 | 第43-44页 |
| 4.2 实验结果分析 | 第44-48页 |
| 4.2.1 实验环境 | 第44页 |
| 4.2.2 实验数据 | 第44页 |
| 4.2.3 实验步骤以及分析 | 第44-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 进一步工作的方向 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-55页 |
| 附件 | 第55页 |
