微博热点话题发现与话题演化的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| §1.1 研究背景及意义 | 第7-8页 |
| §1.2 国内外研究现状 | 第8-9页 |
| §1.2.1 热点话题发现研究现状 | 第8页 |
| §1.2.2 话题演化研究现状 | 第8-9页 |
| §1.3 论文研究内容 | 第9-10页 |
| §1.4 本文组织结构 | 第10-11页 |
| 第二章 相关理论与技术 | 第11-28页 |
| §2.1 微博热点话题发现概述 | 第11-13页 |
| §2.2 话题发现相关知识 | 第13-18页 |
| §2.2.1 话题发现与跟踪的任务 | 第13-15页 |
| §2.2.2 话题发现与跟踪的关键技术 | 第15-18页 |
| §2.2.3 话题发现与跟踪的评价方法 | 第18页 |
| §2.3 话题模型的相关知识 | 第18-27页 |
| §2.3.1 概率话题模型 | 第20-25页 |
| §2.3.2 一元语言模型 | 第25-27页 |
| §2.4 本章小结 | 第27-28页 |
| 第三章 基于相似度的微博热点话题发现 | 第28-43页 |
| §3.1 引言 | 第28页 |
| §3.2 基于综合相似度热点话题发现算法 | 第28-37页 |
| §3.2.1 算法描述 | 第28-30页 |
| §3.2.2 微博文本表示 | 第30-31页 |
| §3.2.3 相似度计算 | 第31-33页 |
| §3.2.4 聚类算法 | 第33-36页 |
| §3.2.5 话题合并 | 第36-37页 |
| §3.2.6 话题热点度计算 | 第37页 |
| §3.3 实验分析 | 第37-42页 |
| §3.3.1 实验数据 | 第37-40页 |
| §3.3.2 实验结果分析 | 第40-42页 |
| §3.4 本章小结 | 第42-43页 |
| 第四章 基于ＭLDA模型的微博话题发现 | 第43-56页 |
| §4.1 LDA模型 | 第43-47页 |
| §4.1.1 LDA模型介绍 | 第43-44页 |
| §4.1.2 LDA模型基本原理 | 第44-47页 |
| §4.2 微博话题发现模型 | 第47-51页 |
| §4.2.1 MLDA模型基本思想 | 第47-48页 |
| §4.2.2 MLDA生成微博过程 | 第48-49页 |
| §4.2.3 Gibbs算法 | 第49-51页 |
| §4.3 实验分析 | 第51-55页 |
| §4.3.1 实验介绍 | 第51-53页 |
| §4.3.2 实验对比 | 第53-55页 |
| §4.4 本章小结 | 第55-56页 |
| 第五章 微博话题演化分析 | 第56-63页 |
| §5.1 话题演化的定义 | 第56-57页 |
| §5.2 演化模型总体框架 | 第57-58页 |
| §5.3 话题演化的度量 | 第58-59页 |
| §5.3.1 话题强度度量 | 第58-59页 |
| §5.3.2 话题相似度的度量 | 第59页 |
| §5.4 实验分析 | 第59-62页 |
| §5.4.1 实验环境 | 第59-60页 |
| §5.4.2 结果分析 | 第60-62页 |
| §5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| §6.1 研究总结 | 第63页 |
| §6.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 作者在攻读硕士期间的主要研究成果 | 第71页 |
