微博信息流中突现话题检测技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文研究内容 | 第13-15页 |
| 第二章 微博概述 | 第15-22页 |
| ·微博的发展历史 | 第15页 |
| ·微博的特征 | 第15-18页 |
| ·微博信息的特征 | 第15-16页 |
| ·微博用户关系的特征 | 第16-17页 |
| ·微博交互功能的特征 | 第17-18页 |
| ·微博开放平台 | 第18-21页 |
| ·微博开放平台的授权机制 | 第18-19页 |
| ·微博 API 函数 | 第19-20页 |
| ·微博数据的格式 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 文本主题检测技术 | 第22-34页 |
| ·自动分类法 | 第22-26页 |
| ·朴素贝叶斯分类算法 | 第22-23页 |
| ·支持向量机分类算法 | 第23-24页 |
| ·K 近邻分类算法 | 第24-25页 |
| ·人工神经网络分类算法 | 第25-26页 |
| ·自动聚类法 | 第26-32页 |
| ·层次聚类 | 第26-27页 |
| ·基于划分的聚类 | 第27-28页 |
| ·基于密度的聚类 | 第28-29页 |
| ·文本数据流的聚类 | 第29-32页 |
| ·微博主题检测技术 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于暴发特征的微博突现关键词提取模型 | 第34-48页 |
| ·概念定义 | 第34-36页 |
| ·时间窗口和微博信息流片段 | 第34-35页 |
| ·单词热度和单词平均热度 | 第35-36页 |
| ·关键词提取模型 | 第36-41页 |
| ·数据预处理 | 第36-39页 |
| ·单词暴发程度计算模块 | 第39-40页 |
| ·单词普遍程度计算模块 | 第40页 |
| ·微博突现关键词提取模块 | 第40-41页 |
| ·微博突现关键词提取实验 | 第41-46页 |
| ·实验设计与实现 | 第42页 |
| ·实验评估标准 | 第42-43页 |
| ·实验结果展示与分析 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 基于互信息的微博突现话题检测技术 | 第48-58页 |
| ·互信息基础 | 第48-49页 |
| ·突现话题检测模型 | 第49-54页 |
| ·互信息矩阵构建模块 | 第50页 |
| ·关键词聚类模块 | 第50-54页 |
| ·微博突现话题检测实验 | 第54-57页 |
| ·实验设计与实现 | 第54页 |
| ·实验评估标准 | 第54-55页 |
| ·实验结果展示与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·研究工作总结 | 第58-59页 |
| ·未来展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |
