| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的研究工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-25页 |
| 2.1 文本挖掘算法介绍 | 第15-18页 |
| 2.2 文本表示模型介绍 | 第18-19页 |
| 2.3 主题发现技术介绍 | 第19-21页 |
| 2.3.1 隐含狄利克雷分布模型与相关主题模型的比较 | 第20-21页 |
| 2.3.2 相关主题模型的优势介绍 | 第21页 |
| 2.4 文本过滤引擎技术及应用场景介绍 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 短文本主题挖掘的研究与算法实现 | 第25-37页 |
| 3.1 短文本主题挖掘流程描述 | 第25-26页 |
| 3.2 短文本主题相关性分析 | 第26-27页 |
| 3.3 短文本特征提取与主题挖掘算法实现 | 第27-30页 |
| 3.3.1 特征提取优化算法 | 第28-29页 |
| 3.3.2 主题挖掘优化算法 | 第29-30页 |
| 3.4 实验设计与结果分析 | 第30-35页 |
| 3.4.1 数据集介绍 | 第31-32页 |
| 3.4.2 主题相关程度词提取及预测实验 | 第32-34页 |
| 3.4.3 精确度评估实验 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 短文本意见挖掘模型的设计与实现 | 第37-51页 |
| 4.1 短文本三重关系分析 | 第37-40页 |
| 4.2 意见挖掘模型的设计 | 第40-43页 |
| 4.2.1 模型的生成过程 | 第41-42页 |
| 4.2.2 模型的数学推导 | 第42-43页 |
| 4.3 短文本意见挖掘算法实现 | 第43-47页 |
| 4.3.1 基本属性处理算法 | 第44-45页 |
| 4.3.2 情感属性计算算法 | 第45-47页 |
| 4.4 模型效果评估 | 第47-50页 |
| 4.4.1 数据集介绍 | 第47-48页 |
| 4.4.2 意见倾向分类实验 | 第48-49页 |
| 4.4.3 意见排序实验 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 短文本综合过滤引擎的研究与应用 | 第51-59页 |
| 5.1 短文本效用评估和过滤流程 | 第51-52页 |
| 5.2 短文本过滤算法实现 | 第52-53页 |
| 5.3 实验设计与结果分析 | 第53-57页 |
| 5.3.1 短文本过滤及对比实验 | 第53-56页 |
| 5.3.2 优质内容推荐及对比试验 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-63页 |
| 6.1 本研究的创新点 | 第60页 |
| 6.2 未来工作的展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士研究生期间发表的论文 | 第69页 |