微博数据预处理及话题检测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-21页 |
| ·课题来源及意义 | 第10-11页 |
| ·微博 | 第11-15页 |
| ·微博定义 | 第11-13页 |
| ·微博的产生与发展 | 第13-14页 |
| ·微博特点 | 第14-15页 |
| ·话题检测 | 第15-16页 |
| ·基本概念 | 第15页 |
| ·发展历程 | 第15-16页 |
| ·微博话题检测方法研究框架 | 第16页 |
| ·相关技术国内外研究现状 | 第16-20页 |
| ·短文本预处理研究现状 | 第16-17页 |
| ·话题检测技术研究现状 | 第17-18页 |
| ·微博相关研究现状 | 第18-20页 |
| ·论文主要研究内容与结构安排 | 第20-21页 |
| 2 微博数据信息采集 | 第21-32页 |
| ·基于网络爬虫的数据获取 | 第21-24页 |
| ·网络爬虫基本概念 | 第21页 |
| ·通用网络爬虫 | 第21-22页 |
| ·主题网络爬虫 | 第22-24页 |
| ·基于开放平台 API 的数据获取 | 第24-30页 |
| ·新浪微博开放平台 API | 第24-25页 |
| ·OAuth 用户身份认证 | 第25-26页 |
| ·新浪微博 API 数据获取流程 | 第26页 |
| ·微博开放 API 获取数据具体过程 | 第26-30页 |
| ·实验对比与总结 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 微博短文本预处理 | 第32-47页 |
| ·使用多种语言增加短文本特征数量 | 第32-33页 |
| ·微博短文本存在的问题 | 第32页 |
| ·使用多种语言进行特征扩展 | 第32-33页 |
| ·问题形式化描述 | 第33页 |
| ·短文本特征扩展 | 第33-39页 |
| ·多语言知识整合框架 | 第34-36页 |
| ·整合框架的优化方法 | 第36-38页 |
| ·算法时间复杂度分析 | 第38-39页 |
| ·实验评估与分析 | 第39-46页 |
| ·实验数据准备 | 第39-40页 |
| ·聚类方法和评估标准 | 第40页 |
| ·决定性潜在维数 | 第40-41页 |
| ·外在扩充知识的作用 | 第41-43页 |
| ·语言种类数量的影响 | 第43-44页 |
| ·算法分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 微博话题检测方法 | 第47-60页 |
| ·微博话题检测方法思想 | 第47-49页 |
| ·传统话题检测技术 | 第47页 |
| ·微博话题检测技术分析 | 第47-48页 |
| ·话题检测方法总体框架 | 第48-49页 |
| ·微博话题检测方法过程 | 第49-55页 |
| ·微博数据的预处理 | 第49页 |
| ·微博文本的建模 | 第49-51页 |
| ·话题相似度计算 | 第51-52页 |
| ·话题检测算法流程 | 第52-55页 |
| ·实验结果与分析 | 第55-59页 |
| ·微博数据采集及预处理 | 第55-56页 |
| ·实验评价标准 | 第56-57页 |
| ·不同检测算法的比较实验 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间取得的科研成果清单 | 第67页 |
