| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究的内容 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 1.5 本章小结 | 第12-14页 |
| 第2章 利用外部知识库挖掘热点话题 | 第14-22页 |
| 2.1 框架结构 | 第14-15页 |
| 2.2 相关技术 | 第15-20页 |
| 2.2.1 潜在狄利克雷分配(Latent Dirichlet Allocation) | 第15-17页 |
| 2.2.2 基于实体的相似性计算 | 第17-18页 |
| 2.2.3 结合外部数据集的主题分析方法 | 第18-19页 |
| 2.2.4 分类方法以及评价指标 | 第19-20页 |
| 2.3 评估方法 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 基于MA-LDA挖掘热点话题 | 第22-30页 |
| 3.1 框架结构 | 第22-24页 |
| 3.2 相关技术 | 第24-27页 |
| 3.2.1 MA-LDA(Muti-AttributesLatent Dirichlet Allocation) | 第24-26页 |
| 3.2.2 MA-LDA参数分析 | 第26-27页 |
| 3.3 评估方法 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 第4章 实验结果与分析 | 第30-44页 |
| 4.1 数据集 | 第30-31页 |
| 4.2 数据预处理 | 第31-32页 |
| 4.3 基于外部知识库的方法 | 第32-35页 |
| 4.3.1. 外部知识库的作用 | 第32-33页 |
| 4.3.2. Twitter热点话题挖掘 | 第33-35页 |
| 4.4 基于MA-LDA的方法 | 第35-41页 |
| 4.4.1 不同转发数和评论数对模型的影响 | 第36-38页 |
| 4.4.2 不同主题数和迭代数对模型的影响 | 第38-41页 |
| 4.5 讨论 | 第41-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 致谢 | 第52-54页 |
| 攻读硕士期间发表的学术论文 | 第54页 |