| 摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 微博热点话题识别与追踪概述 | 第9-10页 |
| 1.3 论文组织结构 | 第10-11页 |
| 2 微博热点话题识别与追踪的主流方法 | 第11-22页 |
| 2.1 传统的微博热点话题识别与追踪方法 | 第11-15页 |
| 2.1.1 向量空间模型 | 第12页 |
| 2.1.2 传统微博热点话题识别方法 | 第12-14页 |
| 2.1.3 传统微博热点话题追踪方法 | 第14-15页 |
| 2.2 基于LDA模型的微博热点话题识别与追踪方法 | 第15-20页 |
| 2.2.1 LDA模型的思想 | 第15-17页 |
| 2.2.2 先离散时间的微博热点话题识别与追踪模型 | 第17-18页 |
| 2.2.3 后离散时间的微博热点话题识别与追踪模型 | 第18-19页 |
| 2.2.4 引入连续时间的微博热点话题识别与追踪模型 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 基于时间序列的微博热点话题识别 | 第22-26页 |
| 3.1 LDA话题的表示形式 | 第22页 |
| 3.2 LDA隐含参数的确定 | 第22-25页 |
| 3.2.1 LDA的联合分布 | 第23-24页 |
| 3.2.2 Gibbs采样 | 第24页 |
| 3.2.3 参数(?)和(?)的取值 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 4 基于时间序列的微博热点话题追踪 | 第26-32页 |
| 4.1 基于时间序列的微博热点话题强度追踪 | 第26页 |
| 4.2 基于时间序列的微博热点话题内容追踪 | 第26-30页 |
| 4.2.1 LDA模型的话题关联度计算方法 | 第26-29页 |
| 4.2.2 热点话题关联度计算的改进 | 第29页 |
| 4.2.3 关联度效果评测 | 第29-30页 |
| 4.4 话题追踪的评测 | 第30页 |
| 4.5 本章小结 | 第30-32页 |
| 5 实验与分析 | 第32-49页 |
| 5.1 基于时间序列的微博热点话题识别与追踪分析框架 | 第32页 |
| 5.2 博文预处理 | 第32-34页 |
| 5.2.1 博文分词 | 第33-34页 |
| 5.2.2 去停用词 | 第34页 |
| 5.3 实验条件及数据集介绍 | 第34-35页 |
| 5.4 LDA模型与VSM模型比较 | 第35-37页 |
| 5.4.1 实验设计 | 第36页 |
| 5.4.2 实验结果分析 | 第36-37页 |
| 5.5 对JW关联度计算效果的评测 | 第37-40页 |
| 5.5.1 实验设计 | 第38页 |
| 5.5.2 话题关联度实验结果分析 | 第38-40页 |
| 5.6 微博热点话题识别与追踪实验 | 第40-48页 |
| 5.6.1 实验设计 | 第40页 |
| 5.6.2 微博热点话题识别与追踪实验结果分析 | 第40-48页 |
| 5.7 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 全文总结 | 第49页 |
| 6.2 研究展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
