面向热点话题发现的聚类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究意义与研究现状 | 第8-11页 |
| 1.1.1 课题研究背景和意义 | 第8页 |
| 1.1.2 国内外研究现状 | 第8-11页 |
| 1.2 本文工作 | 第11-13页 |
| 1.2.1 研究内容 | 第11-12页 |
| 1.2.2 本文组织形式 | 第12-13页 |
| 第二章 话题发现技术相关知识 | 第13-18页 |
| 2.1 话题发现相关定义 | 第13-14页 |
| 2.2 理论基础 | 第14页 |
| 2.2.1 时间老化理论 | 第14页 |
| 2.2.2 数据场理论 | 第14页 |
| 2.3 聚类算法概述 | 第14-15页 |
| 2.4 评价指标 | 第15-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 面向新闻语料的文本预处理方法 | 第18-22页 |
| 3.1 新闻文本语料预处理 | 第18-19页 |
| 3.1.1 基于新闻数据流的文本表示 | 第18页 |
| 3.1.2 基于新闻数据流的文本特征表示 | 第18-19页 |
| 3.2 新闻语料的特性分析 | 第19-20页 |
| 3.3 文本特征选择方法实验与分析 | 第20-21页 |
| 3.3.1 实验数据集 | 第20页 |
| 3.3.2 实验结果分析 | 第20-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第四章 面向新闻语料的热点话题发现方法 | 第22-37页 |
| 4.1 基于数据场理论的密度聚类算法 | 第22-27页 |
| 4.1.1 算法基本原理 | 第22-23页 |
| 4.1.2 算法采用的优化策略 | 第23-24页 |
| 4.1.3 算法描述 | 第24-25页 |
| 4.1.4 实验结果与分析 | 第25-27页 |
| 4.2 基于时间老化理论的增量聚类算法 | 第27-29页 |
| 4.2.1 算法基本原理 | 第27页 |
| 4.2.2 算法采用的优化策略 | 第27-28页 |
| 4.2.3 算法描述 | 第28-29页 |
| 4.3 话题热度分析 | 第29-30页 |
| 4.4 算法实验与分析 | 第30-37页 |
| 4.4.1 数据集 | 第30页 |
| 4.4.2 实验结果与分析 | 第30-31页 |
| 4.4.3 实验结果对比 | 第31-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 5.1 总结 | 第37页 |
| 5.2 展望 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43页 |
