| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及选题意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 国外研究现状 | 第14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第二章 微博和热点发现的相关概述 | 第17-29页 |
| 2.1 微博相关概述 | 第17-18页 |
| 2.1.1 微博的简介 | 第17页 |
| 2.1.2 新浪微博的功能和特点 | 第17-18页 |
| 2.2 微博文本表示研究 | 第18-22页 |
| 2.2.1 数据获取 | 第18-19页 |
| 2.2.2 数据预处理 | 第19-20页 |
| 2.2.3 文本表示模型 | 第20-22页 |
| 2.3 相似度计算 | 第22-23页 |
| 2.4 微博热点发现方法概述 | 第23-28页 |
| 2.4.1 热点话题的定义及特征 | 第24页 |
| 2.4.2 聚类算法 | 第24-25页 |
| 2.4.3 话题检测技术 | 第25-26页 |
| 2.4.4 模型提取 | 第26页 |
| 2.4.5 文本分类 | 第26-27页 |
| 2.4.6 热点发现评价指标 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 基于语义分析和二次聚类的微博热点发现 | 第29-41页 |
| 3.1 基于语义分析和二次聚类的微博热点发现方法流程 | 第29-33页 |
| 3.1.1 数据采集与清洗 | 第29-31页 |
| 3.1.2 数据处理与文档表示 | 第31-32页 |
| 3.1.3 话题发现与更新 | 第32-33页 |
| 3.1.4 话题热度评估 | 第33页 |
| 3.2 基于语义分析的微博文本表示模型 | 第33-34页 |
| 3.2.1 信息增益选取特征词 | 第33-34页 |
| 3.2.2 潜在语义分析表示文本 | 第34页 |
| 3.3 基于二次聚类算法聚类微博话题 | 第34-36页 |
| 3.3.1 二次聚类算法 | 第34-36页 |
| 3.3.2 相似强度选取最优聚类结果 | 第36页 |
| 3.4 微博话题热度评估 | 第36-39页 |
| 3.4.1 话题热度影响因素 | 第36-38页 |
| 3.4.2 话题热度评估模型 | 第38-39页 |
| 3.5 小结 | 第39-41页 |
| 第四章 实验与分析 | 第41-49页 |
| 4.1 实验 | 第41-44页 |
| 4.1.1 实验环境 | 第41页 |
| 4.1.2 数据集及处理 | 第41-42页 |
| 4.1.3 参数选择 | 第42-44页 |
| 4.2 评价标准 | 第44页 |
| 4.3 评价结果及分析 | 第44-47页 |
| 4.3.1 实验一的实验结果与分析 | 第44-46页 |
| 4.3.2 实验二的实验结果与分析 | 第46-47页 |
| 4.4 小结 | 第47-49页 |
| 第五章 结束语 | 第49-53页 |
| 5.1 本文工作总结 | 第49-50页 |
| 5.2 进一步研究展望 | 第50-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 作者简介 | 第59页 |