| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-13页 |
| ·本文工作及贡献 | 第13-14页 |
| ·本文结构 | 第14-15页 |
| 第二章 研究进展 | 第15-24页 |
| ·话题检测的相关工作 | 第15-18页 |
| ·基于文本对象的建模 | 第16-17页 |
| ·基于关键词的建模 | 第17-18页 |
| ·文本聚类算法的研究进展 | 第18-21页 |
| ·密集子图发现算法研究进展 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于单遍聚类算法的论坛话题检测 | 第24-44页 |
| ·问题定义 | 第24-27页 |
| ·基础知识 | 第27-28页 |
| ·特征计算 | 第28-36页 |
| ·预处理 | 第28-33页 |
| ·词的分割 | 第28-32页 |
| ·扩展分词结果 | 第32页 |
| ·去除停用词 | 第32-33页 |
| ·局部特征 | 第33-34页 |
| ·全局特征 | 第34-36页 |
| ·单遍聚类算法 | 第36-38页 |
| ·实验结果与分析 | 第38-42页 |
| ·数据准备 | 第38页 |
| ·训练参数 | 第38-40页 |
| ·实验结果评估 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于密集子图发现的微博Top-k热门话题检测 | 第44-57页 |
| ·背景知识 | 第45-46页 |
| ·问题定义 | 第46-47页 |
| ·数据准备 | 第47页 |
| ·微博上的密集子图和热门话题相关性分析 | 第47-51页 |
| ·Top-k热门话题检测算法 | 第51-53页 |
| ·实验分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 科研成果 | 第63-64页 |
| 致谢 | 第64页 |