基于数据挖掘的网络新闻热点发现系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 文本向量化研究现状 | 第11页 |
| 1.2.2 新闻文本聚类算法研究现状 | 第11-12页 |
| 1.2.3 话题抽取算法研究现状 | 第12页 |
| 1.3 论文的研究内容及创新点 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 小结 | 第13-16页 |
| 第二章 热点发现系统相关技术 | 第16-30页 |
| 2.1 数据挖掘 | 第16-23页 |
| 2.1.1 数据挖掘的概念 | 第16-17页 |
| 2.1.2 数据挖掘的常见问题 | 第17-20页 |
| 2.1.3 数据挖掘的常用模型与算法 | 第20-23页 |
| 2.2 文本预处理 | 第23-26页 |
| 2.2.1 文本分词 | 第23-24页 |
| 2.2.2 文本向量化表示 | 第24-26页 |
| 2.3 聚类技术 | 第26-30页 |
| 2.3.1 相似度计算方法 | 第27-28页 |
| 2.3.2 聚类模型 | 第28-30页 |
| 第三章 新闻热点发现系统关键模型设计 | 第30-56页 |
| 3.1 新闻文本聚类模型 | 第30-48页 |
| 3.1.1 MinHash算法 | 第30-35页 |
| 3.1.2 文本标签向量模型 | 第35-39页 |
| 3.1.3 Label-Vec密度聚类算法 | 第39-48页 |
| 3.2 热点话题抽取与热度值计算模型 | 第48-54页 |
| 3.2.1 基于LDA主题模型的话题抽取 | 第49-53页 |
| 3.2.2 热度值计算公式 | 第53-54页 |
| 3.3 小结 | 第54-56页 |
| 第四章 新闻热点发现系统的实现与分析 | 第56-70页 |
| 4.1 系统模块与流程 | 第56-57页 |
| 4.2 系统开发与实验环境 | 第57页 |
| 4.3 文本数据获取模块实现 | 第57-61页 |
| 4.3.1 新闻语料数据采集系统实现 | 第58-59页 |
| 4.3.2 新闻内容结构化处理模块实现 | 第59页 |
| 4.3.3 数据仓库系统实现 | 第59-61页 |
| 4.4 文本聚类模块实现 | 第61-62页 |
| 4.5 热点话题抽取模块实现 | 第62-63页 |
| 4.6 功能性测试与分析 | 第63-64页 |
| 4.7 性能测试与分析 | 第64-68页 |
| 4.7.1 实验设计 | 第64-65页 |
| 4.7.2 算法复杂度分析 | 第65页 |
| 4.7.3 模型性能分析 | 第65-68页 |
| 4.8 小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |
