面向新闻文本的话题发现研究
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究动态 | 第14-15页 |
| 1.3 本文主要内容 | 第15-17页 |
| 第二章 基于向量空间模型的话题发现理论 | 第17-29页 |
| 2.1 文本聚类 | 第17-22页 |
| 2.1.1 文本预处理 | 第17-18页 |
| 2.1.2 文本相似度 | 第18-19页 |
| 2.1.3 聚类算法与评价指标 | 第19-22页 |
| 2.2 向量空间模型 | 第22-25页 |
| 2.3 共现潜在语义向量空间模型 | 第25-26页 |
| 2.4 话题发现 | 第26-29页 |
| 第三章 基于LDA模型的话题发现理论 | 第29-35页 |
| 3.1 LDA模型简介 | 第29页 |
| 3.2 LDA模型的主要内容 | 第29-33页 |
| 3.3 基于LDA模型的话题发现 | 第33-35页 |
| 第四章 实验结果及分析 | 第35-43页 |
| 4.1 不同模型的聚类结果分析 | 第35-40页 |
| 4.1.1 VSM模型的聚类结果分析 | 第35-37页 |
| 4.1.2 CLSVSM模型的聚类结果分析 | 第37-38页 |
| 4.1.3 LDA模型的聚类结果分析 | 第38-40页 |
| 4.2 不同模型聚类结果的比较 | 第40-41页 |
| 4.3 话题发现的结果分析 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文总结 | 第43-44页 |
| 5.2 研究展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 个人简况及联系方式 | 第51-52页 |
