| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要内容 | 第15-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 2 相关知识 | 第18-26页 |
| 2.1 短文本模型化与关键词提取 | 第18-22页 |
| 2.1.1 短文本模型化 | 第18-19页 |
| 2.1.2 网页排序算法 | 第19-20页 |
| 2.1.3 关键词提取 | 第20-22页 |
| 2.2 短文本相似度计算 | 第22-23页 |
| 2.2.1 编辑距离算法（Edit Distance） | 第22页 |
| 2.2.2 问题相似度算法 | 第22-23页 |
| 2.2.3 英文短文本相似度算法 | 第23页 |
| 2.3 用户偏好与可信度分析 | 第23-25页 |
| 2.3.1 用户偏好分析 | 第23-24页 |
| 2.3.2 用户可信度分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于微博词语语义关系图的关键词提取方法 | 第26-33页 |
| 3.1 PostWordGraph（PWG）图的构建 | 第26-30页 |
| 3.1.1 中文词语之间的关系 | 第26-28页 |
| 3.1.2 PWG图的构建 | 第28-30页 |
| 3.2 PostWordRank(PWR)算法 | 第30-31页 |
| 3.3 关键词提取 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 抽取与主题相关的微博评论 | 第33-42页 |
| 4.1 How-Net知识库 | 第34-35页 |
| 4.1.1 How-Net | 第34页 |
| 4.1.2 基于How-Net的词语之间语义相似度计算 | 第34-35页 |
| 4.2 中文短文本语义相似度算法CSSSA | 第35-37页 |
| 4.3 用户主题偏好（User Topic Preference）的定义 | 第37页 |
| 4.4 用户权威值（User Authority Value）的定义 | 第37-38页 |
| 4.5 评论相关分值（Comment Related Score）的定义 | 第38页 |
| 4.6 中文微博评论与主题相关性算法 | 第38-41页 |
| 4.7 本章小结 | 第41-42页 |
| 5 实验及结果分析 | 第42-62页 |
| 5.1 实验环境 | 第42-43页 |
| 5.2 实验准备 | 第43页 |
| 5.3 系统架构 | 第43-45页 |
| 5.4 实验过程 | 第45-49页 |
| 5.5 实验结果与分析 | 第49-61页 |
| 5.6 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
