| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 话题检测与跟踪技术研究现状 | 第10-12页 |
| 1.2.2 话题趋势分析预测技术研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关工作 | 第16-24页 |
| 2.1 文本预处理 | 第16-17页 |
| 2.1.1 中文分词 | 第16-17页 |
| 2.1.2 过滤停用词 | 第17页 |
| 2.2 文本表示模型 | 第17-19页 |
| 2.2.1 向量空间模型 | 第17-18页 |
| 2.2.2 语言模型 | 第18页 |
| 2.2.3 概率主题模型 | 第18-19页 |
| 2.3 文本特征提取 | 第19-21页 |
| 2.3.1 特征提取 | 第19-21页 |
| 2.3.2 相似度计算 | 第21页 |
| 2.4 聚类算法 | 第21-23页 |
| 2.4.1 层次聚类算法 | 第22页 |
| 2.4.2 基于划分的聚类算法 | 第22-23页 |
| 2.4.3 增量聚类算法 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 热点话题检测与话题热度建模 | 第24-38页 |
| 3.1 概述 | 第24-26页 |
| 3.1.1 热点话题的特征 | 第24页 |
| 3.1.2 话题的热度 | 第24-25页 |
| 3.1.3 本章工作概述 | 第25-26页 |
| 3.2 数据获取与预处理 | 第26-28页 |
| 3.2.1 定制网络爬虫 | 第26-27页 |
| 3.2.2 中文分词 | 第27页 |
| 3.2.3 其他预处理 | 第27-28页 |
| 3.3 特征提取 | 第28-30页 |
| 3.3.1 增量TF-IDF | 第28-29页 |
| 3.3.2 以标题为轴心的增量TF-IDF | 第29-30页 |
| 3.3.3 相似度计算 | 第30页 |
| 3.4 基于分段时间线与Single-pass的二次聚类算法 | 第30-33页 |
| 3.5 基于生命周期模型的话题热度建模算法 | 第33-38页 |
| 3.5.1 生命周期理论 | 第33-34页 |
| 3.5.2 生命周期模型定义与说明 | 第34-36页 |
| 3.5.3 话题热度建模算法 | 第36-38页 |
| 第四章 话题热度趋势分析 | 第38-42页 |
| 4.1 概述 | 第38页 |
| 4.2 移动平均线模型 | 第38-40页 |
| 4.3 热度趋势分析 | 第40-42页 |
| 第五章 实验 | 第42-48页 |
| 5.1 话题检测 | 第42-46页 |
| 5.1.1 数据来源 | 第42页 |
| 5.1.2 评估标准 | 第42-43页 |
| 5.1.3 最优时间距离选取 | 第43-44页 |
| 5.1.4 聚类结果比较 | 第44-45页 |
| 5.1.5 时间效率对比 | 第45-46页 |
| 5.2 热度模型构建的合理性分析 | 第46-47页 |
| 5.3 话题热度趋势预测 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48页 |
| 6.2 不足之处 | 第48-49页 |
| 6.3 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |