| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景和意义 | 第13-15页 |
| ·研究背景 | 第13-15页 |
| ·研究意义 | 第15页 |
| ·基本概念 | 第15-17页 |
| ·主要工作和创新点 | 第17-18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 研究现状与相关技术 | 第19-35页 |
| ·子话题相关研究 | 第19-21页 |
| ·相关技术 | 第21-34页 |
| ·微博采集 | 第21-23页 |
| ·文本表示 | 第23-27页 |
| ·相关度计算 | 第27-29页 |
| ·聚类算法 | 第29-32页 |
| ·标签提取 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于微博内容和主题向量的子话题构建方法 | 第35-56页 |
| ·算法动机 | 第35-37页 |
| ·基于微博内容和主题向量的子话题算法框架 | 第37-38页 |
| ·基于规则的信息预处理方法 | 第38-41页 |
| ·过滤微博 | 第38-39页 |
| ·去除微博内容噪音 | 第39-40页 |
| ·繁简体字转换 | 第40-41页 |
| ·特征向量构建 | 第41-45页 |
| ·人物、地名向量构建 | 第41-43页 |
| ·面向微博的关键词特征向量构建 | 第43页 |
| ·基于LDA的微博主题向量构建 | 第43-45页 |
| ·微博语义相似度计算 | 第45-48页 |
| ·人物和地名特征向量语义相似度计算 | 第45-46页 |
| ·关键词特征向量语义相似度计算 | 第46-47页 |
| ·主题向量语义相似度计算 | 第47页 |
| ·线性加权相似度计算 | 第47-48页 |
| ·实验与分析 | 第48-55页 |
| ·数据集 | 第48-49页 |
| ·评测指标 | 第49-50页 |
| ·实验与分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 LabelRank：基于LDA的子话题标签提取方法 | 第56-67页 |
| ·算法动机 | 第56-57页 |
| ·LabelRank子话题标签提取方法 | 第57-60页 |
| ·算法系统框架 | 第57-58页 |
| ·图的权值计算 | 第58-59页 |
| ·词图构造 | 第59-60页 |
| ·实验与分析 | 第60-66页 |
| ·数据集 | 第60-61页 |
| ·评测指标 | 第61-62页 |
| ·实验与分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 子话题构建技术在YHPODS的应用 | 第67-80页 |
| ·子话题构建技术在YHPODS的作用和地位 | 第67-69页 |
| ·YHPODS系统简介 | 第67-68页 |
| ·子话题构建的作用和地位 | 第68-69页 |
| ·面向区域话题的子话题构建系统设计与实现 | 第69-79页 |
| ·数据分布式存储设计 | 第69-73页 |
| ·IP地址映射地理位置的算法设计与实现 | 第73-75页 |
| ·区域子话题构建系统设计与实现 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 结束语 | 第80-82页 |
| ·主要工作总结 | 第80-81页 |
| ·未来研究展望 | 第81-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 作者在学期间取得的学术成果 | 第88页 |