基于微博热词挖掘的新闻话题提取研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究目的和意义 | 第12-14页 |
| 1.1.1 研究的目的 | 第12页 |
| 1.1.2 研究的意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究目标、组织结构及主要内容 | 第16-18页 |
| 1.3.1 研究目标 | 第16-17页 |
| 1.3.2 论文组织结构及主要内容 | 第17-18页 |
| 第2章 基础理论及相关技术分析 | 第18-26页 |
| 2.1 微博及数据特点分析 | 第18-20页 |
| 2.1.1 微博简介 | 第18-19页 |
| 2.1.2 微博数据特点分析 | 第19-20页 |
| 2.2 常用微博热词发现方法 | 第20-21页 |
| 2.3 网页文本抽取及网络爬虫 | 第21-23页 |
| 2.3.1 PAT-Tree 技术 | 第21-22页 |
| 2.3.2 网页文本抽取技术 | 第22-23页 |
| 2.4 文本聚类和分类 | 第23-25页 |
| 2.4.1 文本信息聚类 | 第23-24页 |
| 2.4.2 文本信息分类 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 微博数据采集及文本预处理 | 第26-39页 |
| 3.1 网络爬虫的设计与实现 | 第26-32页 |
| 3.1.1 动态页面网络爬虫算法 | 第26-29页 |
| 3.1.2 网页文本信息抽取 | 第29-31页 |
| 3.1.3 对比分析 | 第31-32页 |
| 3.2 微博数据采集 | 第32-35页 |
| 3.2.1 新浪微博开放平台 | 第32-33页 |
| 3.2.2 OAuth 2.0 协议 | 第33-34页 |
| 3.2.3 基于新浪 API 获取微博数据 | 第34-35页 |
| 3.3 文本预处理 | 第35-37页 |
| 3.3.1 分词处理 | 第35-36页 |
| 3.3.2 ICTCLAS 系统分词 | 第36-37页 |
| 3.3.3 去停用词 | 第37页 |
| 3.4 文本特征选择及表示 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 微博热词的挖掘与新闻话题的提取 | 第39-51页 |
| 4.1 文本表示模型 | 第39-40页 |
| 4.2 文本相似度计算 | 第40-41页 |
| 4.3 微博信息过滤 | 第41-43页 |
| 4.3.1 过滤重复微博 | 第41-42页 |
| 4.3.2 过滤广告微博 | 第42-43页 |
| 4.4 基于 LDA 的概率主体模型 | 第43-47页 |
| 4.4.1 概率主题模型分析 | 第43-44页 |
| 4.4.2 LDA 文档建模 | 第44-45页 |
| 4.4.3 确定最优参数 | 第45页 |
| 4.4.4 热度计算 | 第45-47页 |
| 4.5 实验结果分析 | 第47-50页 |
| 4.5.1 数据准备 | 第47页 |
| 4.5.2 测评方法 | 第47-48页 |
| 4.5.3 结果分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
