| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 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 论文的主要内容及组织结构 | 第11-13页 |
| 第二章 相关理论及技术分析 | 第13-24页 |
| 2.1 国内外研究现状 | 第13-15页 |
| 2.1.1 文本分类的研究现状 | 第13-14页 |
| 2.1.2 话题热度预测的研究现状 | 第14-15页 |
| 2.2 相关概念 | 第15-17页 |
| 2.2.1 社交媒体 | 第15页 |
| 2.2.2 文本分类 | 第15-16页 |
| 2.2.3 话题热度预测 | 第16-17页 |
| 2.3 话题分类相关技术 | 第17-21页 |
| 2.3.1 文本分类的一般流程 | 第17页 |
| 2.3.2 分词及词性标注 | 第17-19页 |
| 2.3.3 文本建模 | 第19-20页 |
| 2.3.4 话题聚类 | 第20-21页 |
| 2.4 预测方法 | 第21-23页 |
| 2.4.1 回归预测 | 第21-22页 |
| 2.4.2 灰色理论预测 | 第22页 |
| 2.4.3 BP神经网络 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于POSTLDA模型的话题分类 | 第24-38页 |
| 3.1 基于POSTLDA模型的话题分类算法 | 第24-30页 |
| 3.1.1 算法的基本思想 | 第24-25页 |
| 3.1.2 文本建模 | 第25页 |
| 3.1.3 词性标注 | 第25-26页 |
| 3.1.4 LDA模型原理及参数估计方法 | 第26-28页 |
| 3.1.5 POSTLDA模型构建及算法流程 | 第28-30页 |
| 3.2 话题分类实验及结果分析 | 第30-37页 |
| 3.2.1 实验语料获取 | 第30页 |
| 3.2.2 文本分类的评价标准 | 第30-31页 |
| 3.2.3 实验参数设置 | 第31-35页 |
| 3.2.4 实验及结果分析 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于PSO优化BP神经网络模型的热点话题预测 | 第38-49页 |
| 4.1 基于PSO优化BP神经网络的模型设置 | 第38-43页 |
| 4.1.1 话题热度指标及时间序列构建 | 第38-40页 |
| 4.1.2 粒子群算法 | 第40-41页 |
| 4.1.3 PSO优化BP神经网络预测模型 | 第41-43页 |
| 4.2 热点话题预测实验及结果分析 | 第43-47页 |
| 4.2.1 实验环境及实验数据 | 第43页 |
| 4.2.2 实验参数设置 | 第43-45页 |
| 4.2.3 实验结果及分析 | 第45-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介 | 第56页 |