基于聚类的网络舆情热点关键词推荐研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 工作简要介绍 | 第10-11页 |
| 1.4 章节安排 | 第11-12页 |
| 第2章 关键技术介绍 | 第12-22页 |
| 2.1 中文分词 | 第12-15页 |
| 2.1.1 分词目的 | 第12页 |
| 2.1.2 算法分类 | 第12-14页 |
| 2.1.2.1 基于词典的分词 | 第12-13页 |
| 2.1.2.2 基于统计的分词 | 第13-14页 |
| 2.1.2.3 基于理解的分词 | 第14页 |
| 2.1.3 技术难点 | 第14-15页 |
| 2.2 文本关键词提取 | 第15-17页 |
| 2.2.1 基于统计的方法 | 第15-16页 |
| 2.2.2 基于机器学习的方法 | 第16页 |
| 2.2.3 基于语义的方法 | 第16-17页 |
| 2.3 文本聚类介绍 | 第17-21页 |
| 2.3.1 基于划分的聚类算法 | 第17-19页 |
| 2.3.2 基于层次的聚类算法 | 第19-20页 |
| 2.3.3 基于密度的聚类算法 | 第20-21页 |
| 2.3.4 基于网格的聚类算法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 高价值文档评估获取与分词 | 第22-29页 |
| 3.1 总体框架简介 | 第22-23页 |
| 3.2 高价值文档评估获取层 | 第23-24页 |
| 3.3 文档分词层 | 第24-28页 |
| 3.3.1 研究动机 | 第24页 |
| 3.3.2 问题描述 | 第24-25页 |
| 3.3.3 构建分词模型 | 第25-27页 |
| 3.3.4 最短路径分词 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 舆情热点关键词提取与推荐 | 第29-38页 |
| 4.1 文档关键词提取层 | 第29-32页 |
| 4.1.1 研究动机 | 第29页 |
| 4.1.2 问题描述 | 第29-30页 |
| 4.1.3 关键词提取 | 第30-32页 |
| 4.2 舆情热点关键词推荐层 | 第32-37页 |
| 4.2.1 文档聚类 | 第32-35页 |
| 4.2.1.1 文档建模 | 第33-34页 |
| 4.2.1.2 文档聚类 | 第34-35页 |
| 4.2.2 产生推荐词 | 第35-37页 |
| 4.2.2.1 删除匹配关键词 | 第36页 |
| 4.2.2.2 计算单词推荐值 | 第36-37页 |
| 4.2.2.3 产生推荐词 | 第37页 |
| 4.3 本章小结 | 第37-38页 |
| 第5章 系统实现与分析 | 第38-44页 |
| 5.1 系统开发与实现 | 第38-39页 |
| 5.1.1 开发平台与开发工具 | 第38页 |
| 5.1.2 系统实现 | 第38-39页 |
| 5.2 实验分析 | 第39-42页 |
| 5.2.1 评价指标 | 第39页 |
| 5.2.2 实验过程 | 第39-41页 |
| 5.2.3 实验结果及分析 | 第41-42页 |
| 5.3 本章小结 | 第42-44页 |
| 第6章 工作总结与展望 | 第44-46页 |
| 6.1 研究总结 | 第44-45页 |
| 6.2 展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表的论文 | 第49-50页 |
| 攻读硕士学位期间参加的科研工作 | 第50-51页 |
| 致谢 | 第51页 |
