| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·新词发现和话题检测研究现状 | 第10-12页 |
| ·新词发现研究现状 | 第10-11页 |
| ·话题检测研究现状 | 第11-12页 |
| ·本文研究内容和组织结构 | 第12-14页 |
| ·本文研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 微博数据采集方法研究 | 第14-22页 |
| ·常用数据采集方法研究 | 第14-17页 |
| ·传统数据采集技术 | 第14-15页 |
| ·基于微博 API 的微博采集方法 | 第15-17页 |
| ·本文的数据采集方法 | 第17-22页 |
| ·微博数据采集面临的主要问题 | 第18页 |
| ·本文微博数据采集系统 | 第18-22页 |
| 第三章 基于词内部结合度和边界自由度的新词发现 | 第22-33页 |
| ·词内部结合度和边界自由度的新词发现算法思想 | 第22-24页 |
| ·传统新词发现方法分析 | 第22页 |
| ·新词发现思路分析 | 第22-23页 |
| ·词内部结合度和边界自由度的新词发现总体框架 | 第23-24页 |
| ·面向结合度和自由度计算的关键技术分析 | 第24-30页 |
| ·微博预处理 | 第24-26页 |
| ·面向结合度和自由度计算的相关模型 | 第26-28页 |
| ·基于词内部结合度的二元组筛选 | 第28页 |
| ·基于词边界自由度的新词发现 | 第28-30页 |
| ·实验设计与结果分析 | 第30-33页 |
| ·COAE2014 评测 | 第31页 |
| ·对比实验 | 第31-33页 |
| 第四章 基于 LDA 模型和多层聚类的微博话题检测 | 第33-48页 |
| ·聚类算法分析 | 第33-35页 |
| ·K-Means 聚类 | 第33-34页 |
| ·Single-Pass 聚类 | 第34页 |
| ·层次聚类 | 第34-35页 |
| ·基于 LDA 模型和多层聚类的微博话题检测 | 第35-41页 |
| ·LDA 模型和多层聚类微博话题检测总体框架 | 第35-36页 |
| ·基于 LDA 模型的微博文本建模 | 第36-38页 |
| ·微博短文本相似度计算 | 第38-40页 |
| ·改进的 Single-Pass 聚类 | 第40-41页 |
| ·凝聚式层次聚类 | 第41页 |
| ·关键词提取和话题热度分析 | 第41-45页 |
| ·关键词提取 | 第41-44页 |
| ·话题热度分析 | 第44-45页 |
| ·实验设计与结果分析 | 第45-48页 |
| ·评价指标 | 第45-46页 |
| ·多层聚类性能检测 | 第46-47页 |
| ·不同阈值对话题检测性能的影响 | 第47-48页 |
| 第五章 微博新词发现和话题检测系统的设计与实现 | 第48-54页 |
| ·系统总框架设计 | 第48页 |
| ·系统各功能模块实现 | 第48-54页 |
| ·基础功能 | 第49-50页 |
| ·数据采集 | 第50-52页 |
| ·微博新词发现 | 第52-53页 |
| ·微博话题检测 | 第53-54页 |
| 第六章 总结和展望 | 第54-57页 |
| ·本文工作总结 | 第54-55页 |
| ·研究展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 个人简介及在校期间的科研成果 | 第60-61页 |
| 致谢 | 第61页 |