基于时间发展的微博自适应话题追踪研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文的研究背景与意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·现有的工作存在的问题 | 第12页 |
| ·本文研究内容 | 第12-13页 |
| ·本文的组织结构安排 | 第13-15页 |
| 第二章 相关技术 | 第15-21页 |
| ·微博相关知识介绍 | 第15-16页 |
| ·微博概述 | 第15-16页 |
| ·微博客影响分析 | 第16页 |
| ·信息采集 | 第16-17页 |
| ·话题追踪 | 第17-20页 |
| ·自适应话题追踪及其常见方法简介 | 第17-18页 |
| ·常见的自适应调整策略 | 第18-19页 |
| ·时间信息在话题追踪中的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于速度增长的微博话题发现方法 | 第21-29页 |
| ·问题描述 | 第21页 |
| ·基于时间序列的热点主题词检测 | 第21-23页 |
| ·时间序列 | 第21-22页 |
| ·斜率计算 | 第22-23页 |
| ·话题抽取 | 第23-24页 |
| ·主题词抽取 | 第23页 |
| ·主题词聚类 | 第23-24页 |
| ·实验结果及分析 | 第24-28页 |
| ·实验数据 | 第24-25页 |
| ·实验结果分析 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于时间发展的微博自适应话题追踪方法 | 第29-43页 |
| ·话题模型和报道模型表示 | 第29-30页 |
| ·特征词抽取方法 | 第29页 |
| ·特征词权重计算 | 第29-30页 |
| ·话题模型表示方法 | 第30页 |
| ·基于相关性检索的特征词扩展方法 | 第30-33页 |
| ·问题描述 | 第30-31页 |
| ·相关工作 | 第31页 |
| ·基于域加权评分的报道抽取 | 第31-32页 |
| ·基于域加权评分的扩展特征词抽取 | 第32-33页 |
| ·基于时间衰减的特征词权重调整方法 | 第33-34页 |
| ·问题描述 | 第33页 |
| ·相关工作 | 第33页 |
| ·基于时间衰减的特征词权重调整方法 | 第33-34页 |
| ·自适应话题追踪方法描述 | 第34-38页 |
| ·传统话题追踪的实现方法 | 第34-35页 |
| ·自适应话题追踪的特点 | 第35页 |
| ·基于双重过滤技术的话题模板调整方法 | 第35-37页 |
| ·自适应话题追踪实现方法 | 第37-38页 |
| ·实验及结果分析 | 第38-41页 |
| ·实验数据 | 第38页 |
| ·实验评测指标 | 第38-39页 |
| ·实验及设计结果说明 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 网络舆情监测系统设计与实现 | 第43-49页 |
| ·系统的总体设计 | 第43-44页 |
| ·系统的设计目标 | 第43-44页 |
| ·系统的整体架构 | 第44页 |
| ·系统模块设计与实现 | 第44-47页 |
| ·数据采集与处理模块的实现 | 第44-45页 |
| ·话题检测模块的实现 | 第45页 |
| ·话题追踪模块的实现 | 第45-46页 |
| ·热点话题发现模块的设计 | 第46-47页 |
| ·倾向性分析模块的实现 | 第47页 |
| ·舆情呈现模块的实现 | 第47页 |
| ·舆情监测系统的应用 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 攻读硕士期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |
