| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 2 相关技术研究 | 第12-24页 |
| 2.1 话题检测与追踪 | 第12-13页 |
| 2.2 语义分析模型 | 第13-17页 |
| 2.2.1 基于词袋的统计模型 | 第13-14页 |
| 2.2.2 基于文档生成的主题模型 | 第14-17页 |
| 2.3 聚类算法介绍 | 第17-19页 |
| 2.3.1 划分聚类算法 | 第17-18页 |
| 2.3.2 层次聚类算法 | 第18页 |
| 2.3.3 基于网格的聚类算法 | 第18-19页 |
| 2.3.4 基于密度的聚类算法 | 第19页 |
| 2.3.5 基于模型的聚类算法 | 第19页 |
| 2.4 MapReduce 相关技术介绍 | 第19-23页 |
| 2.4.1 MapReduce 简介 | 第20-21页 |
| 2.4.2 MapReduce 工作流程 | 第21-22页 |
| 2.4.3 MapReduce 应用实例 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 微博数据采集与预处理 | 第24-38页 |
| 3.1 微博简介 | 第24-27页 |
| 3.2 微博数据分析 | 第27-30页 |
| 3.2.1 微博信息特点 | 第27-28页 |
| 3.2.2 微博传播特点 | 第28-30页 |
| 3.3 微博数据采集 | 第30-34页 |
| 3.3.1 腾讯微博平台简介 | 第30-31页 |
| 3.3.2 腾讯微博数据获取 | 第31-34页 |
| 3.4 微博数据预处理 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 一种分布式微博热点话题的发现方法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 方法思想和基本框架 | 第38-47页 |
| 4.2.1 基于 LDA 建模 | 第39-43页 |
| 4.2.2 基于 CURE 算法对建模结果进行初步聚类 | 第43-44页 |
| 4.2.3 基于 MapReduce 的 K-means 聚类 | 第44-47页 |
| 4.3 实验设计与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 微博热点话题发现系统实现 | 第50-54页 |
| 5.1 引言 | 第50页 |
| 5.2 系统框架展示 | 第50页 |
| 5.3 各功能模块介绍 | 第50-53页 |
| 5.3.1 数据获取与预处理模块 | 第50-52页 |
| 5.3.2 热点话题发现模块 | 第52-53页 |
| 5.3.3 热点话题展示模块 | 第53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 在校期间发表的学术论文以及研究成果 | 第64页 |