| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容与成果 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 热点话题实时发现系统介绍 | 第15-23页 |
| 2.1 系统总架构 | 第15-16页 |
| 2.2 功能设计 | 第16页 |
| 2.3 数据库设计 | 第16-22页 |
| 2.3.1 数据库的选择 | 第17页 |
| 2.3.2 表结构设计 | 第17-20页 |
| 2.3.3 存储过程 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 信息采集模块 | 第23-37页 |
| 3.1 网络爬虫介绍 | 第23-24页 |
| 3.2 工作原理 | 第24-27页 |
| 3.2.1 数据下载 | 第24-26页 |
| 3.2.2 Web页面解析 | 第26页 |
| 3.2.3 数据存储 | 第26-27页 |
| 3.3 热点话题实时发现系统爬虫 | 第27-36页 |
| 3.3.1 数据采集模块 | 第27-31页 |
| 3.3.1.1 种子网站选取 | 第27-30页 |
| 3.3.1.2 种子文件设计 | 第30页 |
| 3.3.1.3 数据下载设计 | 第30-31页 |
| 3.3.1.4 数据解析设计 | 第31页 |
| 3.3.2 微博数据采集 | 第31-33页 |
| 3.3.3 数据存储模块 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 文本预处理模块 | 第37-51页 |
| 4.1 中文分词及停用词过滤 | 第37-38页 |
| 4.1.1 中文分词现状 | 第37-38页 |
| 4.1.2 停用词过滤 | 第38页 |
| 4.2 文本特征表示 | 第38-41页 |
| 4.2.1 文本模型 | 第39-40页 |
| 4.2.1.1 布尔模型 | 第39页 |
| 4.2.1.2 概率模型 | 第39-40页 |
| 4.2.1.3 向量空间模型 | 第40页 |
| 4.2.2 特征提取方法 | 第40-41页 |
| 4.2.2.1 词频法(Word Frequency) | 第40页 |
| 4.2.2.2 文档频次法(Document Frequency) | 第40-41页 |
| 4.2.2.3 TF-IDF | 第41页 |
| 4.3 热点话题实时发现系统预处理 | 第41-42页 |
| 4.4 分词算法详细设计 | 第42-49页 |
| 4.4.1 词典Trie树的构建 | 第43-45页 |
| 4.4.1.1 标准Tire树的构建 | 第43-44页 |
| 4.4.1.2 压缩Trie树的构建 | 第44-45页 |
| 4.4.2 文本DAG的构建 | 第45-47页 |
| 4.4.3 最优分词确定 | 第47-49页 |
| 4.4.3.1 正向和逆向最大匹配法 | 第47页 |
| 4.4.3.2 基于词频的匹配方法 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 热点话题提取模块 | 第51-63页 |
| 5.1 文本聚类介绍 | 第51-55页 |
| 5.1.1 基本概念 | 第51-52页 |
| 5.1.2 常用相似度标准介绍 | 第52-53页 |
| 5.1.2.1 距离 | 第52页 |
| 5.1.2.2 Jacccard系数 | 第52页 |
| 5.1.2.3 余弦相似度 | 第52-53页 |
| 5.1.2.4 皮尔森相关系数 | 第53页 |
| 5.1.3 常用聚类算法介绍 | 第53-55页 |
| 5.1.3.1 k-Means | 第53-54页 |
| 5.1.3.2 凝聚层次聚类 | 第54-55页 |
| 5.2 聚类算法实现及分析 | 第55-61页 |
| 5.2.1 LDA | 第55-56页 |
| 5.2.2 基于极大团的挖掘算法 | 第56-57页 |
| 5.2.3 结果分析 | 第57-61页 |
| 5.3 本章小结 | 第61-63页 |
| 第六章 系统展示平台 | 第63-67页 |
| 6.1 系统环境 | 第63页 |
| 6.2 系统界面展示 | 第63-66页 |
| 6.3 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 工作总结 | 第67页 |
| 7.2 未来研究工作 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |