基于语境分析的微博热点话题检测研究
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 论文的组织架构 | 第14-15页 |
| 2 相关技术及算法介绍 | 第15-27页 |
| 2.1 微博信息获取及预处理 | 第15-22页 |
| 2.1.1 微博数据采集 | 第15-16页 |
| 2.1.2 微博信息抽取 | 第16页 |
| 2.1.3 中文分词 | 第16-18页 |
| 2.1.4 文本表示方法 | 第18-20页 |
| 2.1.5 相似度计算 | 第20-22页 |
| 2.2 聚类方法 | 第22-25页 |
| 2.2.1 基于层次的聚类算法 | 第23页 |
| 2.2.2 基于划分的聚类算法 | 第23-24页 |
| 2.2.3 基于密度的聚类算法 | 第24页 |
| 2.2.4 Single-Pass算法 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 3 微博预处理及话题聚类 | 第27-37页 |
| 3.1 微博短文本预处理 | 第27-31页 |
| 3.1.1 去噪生词 | 第27-28页 |
| 3.1.2 特征拓展 | 第28页 |
| 3.1.3 改进的VSM模型 | 第28-31页 |
| 3.2 微博热点话题检测 | 第31-36页 |
| 3.2.1 改进的Single-Pass++算法 | 第31-32页 |
| 3.2.2 热点话题特征 | 第32-33页 |
| 3.2.3 热度评估模型 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 实验结果分析 | 第37-45页 |
| 4.1 聚类算法评价参数 | 第37页 |
| 4.2 权值系数α的确定 | 第37-38页 |
| 4.3 聚类结果分析 | 第38-43页 |
| 4.3.1 经典Single-Pass算法结果 | 第39-41页 |
| 4.3.2 Single-Pass++算法结果 | 第41-43页 |
| 4.4 热点话题的发现 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 本文总结 | 第45页 |
| 5.2 工作展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |
