社交网络短文本聚类研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景、目的及意义 | 第9-11页 |
| 1.3 相关领域的国内外研究现状 | 第11-16页 |
| 1.4 本文的主要研究内容及组织结构 | 第16-18页 |
| 1.4.1 本文的主要研究内容 | 第16-17页 |
| 1.4.2 本文组织结构 | 第17-18页 |
| 第2章 社交网络新词发现方法研究 | 第18-30页 |
| 2.1 新词发现概述 | 第18-21页 |
| 2.1.1 相关理论 | 第18-19页 |
| 2.1.2 新词发现基本流程 | 第19-21页 |
| 2.2 文本预处理 | 第21-23页 |
| 2.2.1 中文分词 | 第21-22页 |
| 2.2.2 特殊字符及停用词过滤 | 第22-23页 |
| 2.3 候选词串抽取 | 第23-27页 |
| 2.3.1 组合词串的筛选 | 第23-25页 |
| 2.3.2 构造广义后缀树 | 第25-27页 |
| 2.3.3 频繁词串的抽取 | 第27页 |
| 2.4 新词发现 | 第27-29页 |
| 2.4.1 统计特征的选择 | 第28-29页 |
| 2.4.2 综合特征判定方法 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 短文本聚类方法研究 | 第30-43页 |
| 3.1 文本再分词 | 第31页 |
| 3.2 短文本的表示 | 第31-36页 |
| 3.2.1 短文本表示模型的选择 | 第31-33页 |
| 3.2.2 特征项提取 | 第33-34页 |
| 3.2.3 特征权重的计算 | 第34-35页 |
| 3.2.4 短文本相似度计算 | 第35-36页 |
| 3.3 短文本的聚类方法研究 | 第36-42页 |
| 3.3.1 文本聚类相关理论 | 第36-37页 |
| 3.3.2 词共现分析 | 第37-40页 |
| 3.3.3 基于词共现的K-means聚类 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 聚类系统的实现及性能测试 | 第43-57页 |
| 4.1 聚类效果评价指标 | 第43-44页 |
| 4.2 系统数据来源及开发环境 | 第44-45页 |
| 4.2.1 实验数据来源 | 第44-45页 |
| 4.2.2 系统开发环境 | 第45页 |
| 4.3 系统模块的实现 | 第45-52页 |
| 4.3.1 数据预处理模块 | 第45-47页 |
| 4.3.2 新词发现模块 | 第47-49页 |
| 4.3.3 短文本表示模块 | 第49-50页 |
| 4.3.4 短文本聚类模块 | 第50-52页 |
| 4.4 系统测试结果对比及分析 | 第52-56页 |
| 4.4.1 新词发现结果的对比与分析 | 第52-53页 |
| 4.4.2 短文本聚类结果对比与分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 全文研究工作总结 | 第57-58页 |
| 5.2 下一步工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
