| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 国内外研究现状总结 | 第16-17页 |
| 1.3 研究内容及技术路线 | 第17-18页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18页 |
| 1.4 主要工作及创新点 | 第18-20页 |
| 第二章 相关基础理论研究 | 第20-29页 |
| 2.1 TDT 简介 | 第20-22页 |
| 2.1.1 TDT 研究中的基本概念 | 第20页 |
| 2.1.2 TDT 的研究任务 | 第20-22页 |
| 2.2 话题跟踪关键技术 | 第22-27页 |
| 2.2.1 话题跟踪一般流程 | 第22页 |
| 2.2.2 建立话题/报道模型 | 第22-23页 |
| 2.2.3 特征项提取 | 第23-24页 |
| 2.2.4 权重计算 | 第24-26页 |
| 2.2.5 计算模型相似度 | 第26-27页 |
| 2.2.6 阈值比较 | 第27页 |
| 2.3 词汇链 | 第27-28页 |
| 2.3.1 词汇链定义 | 第27页 |
| 2.3.2 词汇链构造算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于知网抽取词汇链的方法设计 | 第29-37页 |
| 3.1 知网概述 | 第29-30页 |
| 3.2 知网的结构 | 第30-32页 |
| 3.3 知网的知识系统概貌 | 第32-33页 |
| 3.4 基于知网的词语相似度计算 | 第33-34页 |
| 3.5 基于知网的词汇链抽取 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于词汇链义原向量空间模型的话题跟踪算法设计 | 第37-48页 |
| 4.1 向量空间模型存在问题及改进方法 | 第37页 |
| 4.1.1 存在问题 | 第37页 |
| 4.1.2 改进方法 | 第37页 |
| 4.2 训练语料预处理 | 第37-41页 |
| 4.2.1 训练语料预处理流程 | 第37-38页 |
| 4.2.2 分词词性标注 | 第38-40页 |
| 4.2.3 去除停用词 | 第40-41页 |
| 4.3 基于知网抽取话题的词汇链 | 第41-42页 |
| 4.3.1 词汇链抽取实例演示 | 第41-42页 |
| 4.4 话题跟踪算法设计 | 第42-46页 |
| 4.4.1 话题/报道模型构建 | 第43-44页 |
| 4.4.2 权重的确立 | 第44-46页 |
| 4.4.3 相似度计算及阈值比较 | 第46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 基于词汇链义原向量空间模型的话题跟踪实验 | 第48-66页 |
| 5.1 相似度对比实验 | 第48-57页 |
| 5.1.1 基于词汇链的义原向量空间模型相似度计算 | 第48-54页 |
| 5.1.2 基于词频统计的相似度计算 | 第54-56页 |
| 5.1.3 相似度对比 | 第56-57页 |
| 5.2 话题跟踪实验 | 第57-59页 |
| 5.2.1 实验语料简介 | 第57-58页 |
| 5.2.2 系统原型设计 | 第58-59页 |
| 5.3 实验结果分析与比较 | 第59-64页 |
| 5.3.1 话题跟踪判断标准 | 第59页 |
| 5.3.2 话题跟踪结果分析比较 | 第59-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 硕士期间发表的论文 | 第73页 |