基于容错粗糙集的微博热点话题发现研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| 第一节 研究的背景与意义 | 第9页 |
| 第二节 国内外相关研究综述 | 第9-13页 |
| 一、 话题检测与追踪的研究现状 | 第9-11页 |
| 二、 微博热点话题发现的研究现状 | 第11-12页 |
| 三、 现有研究的不足及本文提出方法 | 第12-13页 |
| 第三节 主要研究内容 | 第13-15页 |
| 一、 主要工作 | 第13页 |
| 二、 论文结构安排 | 第13-15页 |
| 第二章 相关理论及关键技术介绍 | 第15-25页 |
| 第一节 容错粗糙集模型 | 第15-17页 |
| 第二节 微博特征 | 第17-20页 |
| 一、 微博平台 | 第18-19页 |
| 二、 微博文本信息特征 | 第19-20页 |
| 三、 微博平台信息传播特征 | 第20页 |
| 第三节 话题检测与追踪 | 第20-25页 |
| 一、 相关概念 | 第21页 |
| 二、 话题模型 | 第21-23页 |
| 三、 话题发现算法 | 第23页 |
| 四、 话题检测评测标准 | 第23-25页 |
| 第三章 基于微博特征的容错粗糙集文本表示模型 | 第25-32页 |
| 第一节 微博热点话题 | 第25-26页 |
| 一、 微博热点话题表现形式及传播特征 | 第25-26页 |
| 二、 微博热点话题文本表示模型 | 第26页 |
| 第二节 扩展的容错粗糙集文本表示模型 | 第26-32页 |
| 一、 建立微博信息关系树 | 第27-28页 |
| 二、 基于微博特征扩展的容错粗糙集模型 | 第28-30页 |
| 三、 文本特征项的扩展表示 | 第30页 |
| 四、 特征项权重的扩展计算 | 第30-32页 |
| 第四章 微博热点话题发现 | 第32-45页 |
| 第一节 新浪微博信息采集 | 第32-36页 |
| 一、 基于 Heritrix 的微博信息获取 | 第33-34页 |
| 二、 基于新浪微博 API 的信息获取 | 第34-35页 |
| 三、 微博信息解析 | 第35-36页 |
| 第二节 微博文本预处理 | 第36-39页 |
| 一、 分词和词性标注 | 第36-38页 |
| 二、 停用词去除 | 第38-39页 |
| 三、 特征项选取 | 第39页 |
| 第三节 微博文档集文本表示模型 | 第39-41页 |
| 一、 特征项容错类算法 | 第39-40页 |
| 二、 计算权重 | 第40页 |
| 三、 微博消息表示模型 | 第40-41页 |
| 第四节 聚类算法分析 | 第41-43页 |
| 一、 增量式聚类和层次聚类算法 | 第41页 |
| 二、 K-means 算法 | 第41-42页 |
| 三、 IAHC&K-means 聚类算法 | 第42-43页 |
| 第五节 微博话题热度评价 | 第43-45页 |
| 一、 微博用户关注程度 | 第43页 |
| 二、 微博消息时效性 | 第43-44页 |
| 三、 话题热度计算公式 | 第44-45页 |
| 第五章 实验与分析 | 第45-49页 |
| 第一节 数据集 | 第45页 |
| 第二节 实验及分析 | 第45-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 在读期间的研究成果 | 第55页 |
