微博主观性发现关键技术研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-11页 |
| ·国内外研究现状和相关工作 | 第11-16页 |
| ·文本分类和聚类 | 第11-12页 |
| ·信息抽取 | 第12-13页 |
| ·话题检测 | 第13-15页 |
| ·主观性分析 | 第15-16页 |
| ·本文的研究内容 | 第16-17页 |
| ·论文的组织 | 第17-19页 |
| 第二章 基于线索树双层聚类的微博话题检测 | 第19-32页 |
| ·设计思路及系统架构 | 第20-22页 |
| ·微博文本表示及聚类方法 | 第22-24页 |
| ·基于 LDA 的文本表示方法 | 第22-23页 |
| ·基于 K-means 的文本聚类方法 | 第23-24页 |
| ·基于线索树双层聚类的微博话题检测方法 | 第24-27页 |
| ·融合时间与作者信息的话题模型 | 第25-26页 |
| ·双层话题聚类方法 | 第26-27页 |
| ·实验及分析 | 第27-31页 |
| ·实验数据及评价方法 | 第28页 |
| ·系统设置 | 第28-29页 |
| ·实验结果及分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于跨实体推演的事件抽取 | 第32-48页 |
| ·任务描述 | 第34-35页 |
| ·设计思路 | 第35-39页 |
| ·事件一致性和分布情况 | 第37-38页 |
| ·角色一致性和分布情况 | 第38-39页 |
| ·基于跨实体推演的事件抽取方法 | 第39-43页 |
| ·实体子类别的划分 | 第41页 |
| ·跨实体推演事件抽取中的分类器构建 | 第41-43页 |
| ·实验及分析 | 第43-46页 |
| ·实验数据及评价方法 | 第44页 |
| ·事件抽取结果及分析 | 第44-45页 |
| ·实体类型聚类对方法的影响 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于文法特征的中文能愿词挖掘 | 第48-58页 |
| ·设计思路 | 第48-49页 |
| ·基于文法的能愿词挖掘方法 | 第49-53页 |
| ·局部挖掘方法 | 第50-51页 |
| ·全局挖掘方法 | 第51-52页 |
| ·全局挖掘中的词性序列排序 | 第52-53页 |
| ·评测语料的构建 | 第53页 |
| ·实验及分析 | 第53-57页 |
| ·实验数据及预处理 | 第54页 |
| ·局部挖掘实验结果与分析 | 第54-55页 |
| ·全局挖掘实验与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-61页 |
| ·工作总结 | 第58-59页 |
| ·工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间公开发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |
