面向新闻报道的话题检测技术研究

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-12页
·本文的研究背景和意义	第9-10页
·本文的主要研究内容	第10-11页
·本文的组织结构	第11-12页
第2章 话题检测任务的相关技术研究	第12-24页
·TDT技术的发展历程	第12-13页
·相关基本概念与任务	第13-16页
·话题检测的相关研究	第16-18页
·基于层次聚类算法的话题检测算法	第17页
·基本的在线增量式话题检测算法	第17-18页
·基于双阈值的话题检测算法	第18页
·话题跟踪的相关研究	第18-20页
·基于查询的话题跟踪算法	第18-19页
·基于分类算法的话题跟踪算法	第19-20页
·测试语料与评测方法	第20-23页
·话题检测与跟踪的评测语料	第20-21页
·话题检测与跟踪的评测方法	第21-23页
·本章小结	第23-24页
第3章 话题检测任务的预处理技术	第24-43页
·文本标记预处理	第24-25页
·报道和话题的表示模型	第25-31页
·向量空间模型	第25-27页
·系统相似模型	第27-31页
·词变体与缩略词识别	第31-41页
·词变体与缩略词在话题检测中的作用	第31-32页
·基于形态学的候选词识别方法	第32-38页
·基于系统相似模型的语义相似度计算	第38-41页
·实验与分析	第41-42页
·本章小结	第42-43页
第4章 基于语义划分的话题检测方法	第43-53页
·语义划分在话题检测中的作用	第43-46页
·基本概念	第44页
·基于语义划分的话题模型	第44-45页
·基于语义划分的话题检测方法	第45-46页
·时间信息在话题检测中的应用	第46-48页
·时间信息的相关研究	第46-47页
·基于话题持续时间的动态阈值计算	第47-48页
·比值法	第48页
·实验与结果分析	第48-52页
·本章小结	第52-53页
结论	第53-54页
参考文献	第54-59页
攻读硕士学位期间发表的论文和取得的科研成果	第59-60页
致谢	第60-61页
个人简历	第61-62页
附录	第62-64页