| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.1.1 应用背景及意义 | 第9-10页 |
| 1.1.2 技术背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 VSM模型和TFIDF算法的研究情况及进展 | 第11-13页 |
| 1.2.2 热点话题发现的研究情况及进展 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 本文创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 相关理论与关键技术 | 第17-29页 |
| 2.1 话题发现相关技术 | 第17-23页 |
| 2.1.1 语料采集与预处理 | 第17-19页 |
| 2.1.2 文本模型表示 | 第19-21页 |
| 2.1.3 文档间相似性度量准则 | 第21-22页 |
| 2.1.4 文本聚类主要算法 | 第22-23页 |
| 2.2 LDA主题模型 | 第23-28页 |
| 2.2.1 主题模型的引出 | 第24-26页 |
| 2.2.2 LDA模型介绍 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 TFIDF算法基于LDA的两种改进 | 第29-50页 |
| 3.1 TFIDF算法在VSM模型中的不足 | 第29页 |
| 3.2 TFIDF算法的优化策略 | 第29-30页 |
| 3.3 SI-TFIDF算法 | 第30-41页 |
| 3.3.1 语义影响力SI | 第30-32页 |
| 3.3.2 算法具体描述 | 第32-33页 |
| 3.3.3 流程图 | 第33-35页 |
| 3.3.4 实验与分析 | 第35-41页 |
| 3.4 TFIDF-TDF算法 | 第41-48页 |
| 3.4.1 主题分布频率TDF | 第41-42页 |
| 3.4.2 算法具体描述 | 第42-43页 |
| 3.4.3 流程图 | 第43-44页 |
| 3.4.4 实验与分析 | 第44-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 改进后算法在网路新闻热点话题发现中的应用 | 第50-55页 |
| 4.1 热点话题发现 | 第50页 |
| 4.2 网络新闻热点话题发现模型 | 第50-54页 |
| 4.2.1 数据采集 | 第51页 |
| 4.2.2 实验与分析 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |