基于网络评论的话题挖掘
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10页 |
| ·研究现状及发展趋势 | 第10-12页 |
| ·垃圾评论过滤 | 第11页 |
| ·评论的情感分析 | 第11-12页 |
| ·话题发现与文档摘要 | 第12页 |
| ·本文研究内容 | 第12-13页 |
| ·本文的组织 | 第13-14页 |
| 第二章 相关工作及研究进展 | 第14-29页 |
| ·网络爬虫 | 第14-20页 |
| ·基础技术 | 第14-16页 |
| ·视频爬虫架构 | 第16-18页 |
| ·URL 去重 | 第18-20页 |
| ·文本预处理 | 第20-25页 |
| ·中文分词技术难点 | 第20-21页 |
| ·中文分词算法 | 第21-22页 |
| ·特征词选择 | 第22-25页 |
| ·文本相似度计算 | 第25-28页 |
| ·TF-IDF 和 VSM | 第25-26页 |
| ·基于 hownet 的文本相似度计算 | 第26-27页 |
| ·基于维基百科的文本相似度计算 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于中文词汇相似度的有效评论提取 | 第29-42页 |
| ·评论分析计算 | 第29-34页 |
| ·基于规则的垃圾评论识别 | 第29-30页 |
| ·有效评论的识别 | 第30-32页 |
| ·情感评论的识别 | 第32-34页 |
| ·本文提出的方法 | 第34-35页 |
| ·实验及结果分析 | 第35-41页 |
| ·实验数据 | 第36-39页 |
| ·评估方法 | 第39页 |
| ·结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 LDA 的新闻评论的话题挖掘 | 第42-51页 |
| ·基于维基百科的空间向量 | 第42-43页 |
| ·主题模型 | 第43-45页 |
| ·话题聚类 | 第45-46页 |
| ·K-means 划分算法 | 第45-46页 |
| ·K-mediods 聚类 | 第46页 |
| ·聚类算法选择 | 第46页 |
| ·本文提出的方法 | 第46-47页 |
| ·实验及结果分析 | 第47-50页 |
| ·实验数据 | 第48-49页 |
| ·结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·研究工作总结 | 第51-52页 |
| ·未来展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-59页 |
| 详细摘要 | 第59-61页 |
