基于容错粗糙集的话题检测与跟踪方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究背景 | 第7页 |
| ·相关理论及研究现状 | 第7-9页 |
| ·主要研究内容 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 话题检测与跟踪技术 | 第11-20页 |
| ·话题检测与跟踪任务 | 第11-13页 |
| ·报道切分任务 | 第11页 |
| ·话题检测任务 | 第11-12页 |
| ·关联检测任务 | 第12页 |
| ·首报道检测任务 | 第12页 |
| ·话题跟踪任务 | 第12-13页 |
| ·话题检测与跟踪的关键技术 | 第13-18页 |
| ·话题模型的建立 | 第13页 |
| ·特征项选择与权重计算方法 | 第13-15页 |
| ·话题相似度计算 | 第15-16页 |
| ·聚类与分类策略 | 第16-18页 |
| ·话题检测与跟踪评测标准 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 粗糙集与容错粗糙模型 | 第20-29页 |
| ·概念的近似表示 | 第20-23页 |
| ·不可辨识关系 | 第21页 |
| ·粗糙集中的隶属函数 | 第21-22页 |
| ·信息系统 | 第22-23页 |
| ·广义近似空间 | 第23-25页 |
| ·相关定义 | 第24-25页 |
| ·近似集表示 | 第25页 |
| ·容错粗糙模型及其应用 | 第25-28页 |
| ·基于容错粗糙集的文本模型 | 第25-26页 |
| ·特征项容错空间 | 第26-27页 |
| ·文档的扩展表示 | 第27页 |
| ·特征项权重的扩展计算 | 第27-28页 |
| ·本章小节 | 第28-29页 |
| 第四章 系统设计与实现 | 第29-42页 |
| ·系统设计 | 第29-31页 |
| ·系统功能概述 | 第29-30页 |
| ·系统处理流程 | 第30-31页 |
| ·文本预处理 | 第31-35页 |
| ·分词和词性标注 | 第31-33页 |
| ·特征项提取方法 | 第33-34页 |
| ·名词词典的生成 | 第34-35页 |
| ·文本表示模型 | 第35-37页 |
| ·特征项频数矩阵扩展方法 | 第35-37页 |
| ·权重计算方法 | 第37页 |
| ·文档表示模型 | 第37页 |
| ·聚类分类策略 | 第37-39页 |
| ·K-means算法 | 第38页 |
| ·K-means算法的改进 | 第38-39页 |
| ·热点话题发现 | 第39-40页 |
| ·话题跟踪及趋势分析 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第五章 实验结果与分析 | 第42-49页 |
| ·实验设计 | 第42-43页 |
| ·实验语料集 | 第42页 |
| ·实验环境 | 第42页 |
| ·实验设计 | 第42-43页 |
| ·评测方法 | 第43页 |
| ·实验结果及分析 | 第43-48页 |
| ·Web新闻主题聚类结果与分析 | 第43-46页 |
| ·热点话题发现 | 第46页 |
| ·话题跟踪与趋势分析 | 第46-48页 |
| ·本章小节 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者的研究成果和参加的科研项目 | 第57-58页 |
