首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

社交媒体摘要研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第12-18页
    1.1 研究背景和研究目的第12-14页
    1.2 国内外研究动态第14-16页
    1.3 本文工作第16页
    1.4 本文组织架构第16-18页
第二章 相关理论和技术第18-28页
    2.1 文本摘要第18-22页
        2.1.1 文本摘要概念第18页
        2.1.2 文本摘要分类第18-19页
        2.1.3 文本摘要处理过程第19-20页
        2.1.4 文本摘要技术的主要方法第20-21页
        2.1.5 文本摘要的评价方法第21-22页
    2.2 文本聚类第22-28页
        2.2.1 文本聚类概念第22页
        2.2.2 文本聚类算法第22-26页
        2.2.3 文本聚类评价指标第26-28页
第三章 标签数据摘要方法第28-44页
    3.1 问题定义第28-29页
    3.2 中国餐馆过程第29-30页
    3.3 算法流程第30-33页
    3.4 实验部分第33-42页
        3.4.1 实验数据第33-34页
        3.4.2 CRP模型验证第34-35页
        3.4.3 聚类实验第35-37页
        3.4.4 摘要实验第37-42页
    3.5 本章小结第42-44页
第四章 辩论数据摘要方法第44-60页
    4.1 问题定义第44-45页
    4.2 问题图框架第45-49页
        4.2.1 语义聚类第46-47页
        4.2.2 匹配问题极性第47-49页
    4.3 问卷生成第49-52页
        4.3.1 双层主题敏感问题图框架第49-50页
        4.3.2 覆盖关键短语最大权重的最小独立问题集第50-52页
    4.4 实验部分第52-57页
        4.4.1 实验数据第52页
        4.4.2 问题匹配第52-54页
        4.4.3 关键短语的抽取和加权第54-55页
        4.4.4 问卷评估第55-56页
        4.4.5 案例分析第56-57页
    4.5 本章小结第57-60页
第五章 微博舆情摘要方法第60-74页
    5.1 问题定义第60-61页
    5.2 动态主题模型第61-64页
    5.3 摘要框架第64-66页
        5.3.1 预处理第64页
        5.3.2 背景词抽取第64-65页
        5.3.3 微博影响力打分第65-66页
    5.4 实验部分第66-73页
        5.4.1 实验数据第66页
        5.4.2 DTM模型实验第66-68页
        5.4.3 参数实验第68-70页
        5.4.4 摘要评估第70-72页
        5.4.5 案例分析第72-73页
    5.5 本章小结第73-74页
第六章 总结与展望第74-76页
    6.1 总结第74页
    6.2 展望第74-76页
参考文献第76-80页
攻读硕士学位期间的科研成果第80-82页
致谢第82-83页

论文共83页,点击 下载论文
上一篇:基于车云网的动态资源管理研究
下一篇:基于深度聚类网络和层次化学习的大规模图像分类