基于改进的TF-IDF算法的中文微博话题检测与研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 话题检测的相关理论 | 第14-32页 |
| 2.1 话题检测任务 | 第14-15页 |
| 2.2 文本的模型表示 | 第15-16页 |
| 2.3 特征提取算法 | 第16-19页 |
| 2.3.1 文档频率（DF） | 第17页 |
| 2.3.2 信息增益（IG）法 | 第17-18页 |
| 2.3.3 χ2统计量（CHI） | 第18页 |
| 2.3.4 互信息（MI）法 | 第18-19页 |
| 2.3.5 总结 | 第19页 |
| 2.4 特征权重算法 | 第19-20页 |
| 2.4.1 布尔权重 | 第19-20页 |
| 2.4.2 基于熵概念的权重 | 第20页 |
| 2.4.3 TF-IDF权重 | 第20页 |
| 2.5 文本相似度计算方法 | 第20-22页 |
| 2.5.1 向量的内积 | 第21页 |
| 2.5.2 夹角余弦距离 | 第21页 |
| 2.5.3 皮尔逊相关系数 | 第21页 |
| 2.5.4 最大最小方法 | 第21-22页 |
| 2.6 文本聚类算法 | 第22-31页 |
| 2.6.1 基于划分的聚类算法 | 第23-26页 |
| 2.6.2 基于层次的聚类算法 | 第26-28页 |
| 2.6.3 基于密度的聚类算法 | 第28-30页 |
| 2.6.4 基于网格的聚类算法 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于TF-IDF的改进算法 | 第32-38页 |
| 3.1 TF-IDF算法的相关研究 | 第32-34页 |
| 3.2 改进的TF-IDF算法 | 第34-37页 |
| 3.2.1 微博的动态属性分析 | 第34-36页 |
| 3.2.2 动能定理 | 第36页 |
| 3.2.3 TF-IDF-KE算法 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 中文微博话题检测系统的设计与实现 | 第38-45页 |
| 4.1 话题检测系统 | 第38页 |
| 4.2 数据采集 | 第38-39页 |
| 4.3 文本预处理 | 第39-40页 |
| 4.4 分词和词频统计 | 第40-42页 |
| 4.4.1 分词 | 第40-41页 |
| 4.4.2 去掉停用词 | 第41-42页 |
| 4.4.3 词频统计 | 第42页 |
| 4.5 特征权重计算和文本表示模型 | 第42-43页 |
| 4.6 文本相似度计算和文本聚类 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 实验分析与总结 | 第45-50页 |
| 5.1 实验环境 | 第45页 |
| 5.2 实验结果评价标准 | 第45-46页 |
| 5.3 实验设计及结果分析 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表论文与研究成果清单 | 第56-57页 |
| 致谢 | 第57页 |
