面向多媒体问答的新闻热点分析及其呈现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景和目的 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 话题检测研究现状 | 第11-13页 |
| 1.2.2 话题追踪与演化研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 2 相关理论和技术 | 第15-30页 |
| 2.1 网络新闻采集技术 | 第15-17页 |
| 2.2 中文分词 | 第17-18页 |
| 2.3 话题检测与追踪相关技术 | 第18-29页 |
| 2.3.1 话题检测与话题追踪相关定义 | 第19-20页 |
| 2.3.2 话题检测与追踪技术的常用方法 | 第20-27页 |
| 2.3.3 话题演化常用方法 | 第27-28页 |
| 2.3.4 话题检测与追踪技术的评价方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于语义特征新闻热点检测 | 第30-41页 |
| 3.1 新闻语义特征提取 | 第30-33页 |
| 3.1.1 BTM模型概述 | 第30-32页 |
| 3.1.2 语义特征表示 | 第32-33页 |
| 3.2 文本聚类 | 第33-36页 |
| 3.2.1 常用文本聚类算法 | 第33-34页 |
| 3.2.2 改进的文本聚类算法 | 第34-36页 |
| 3.3 新闻热度计算方法 | 第36-37页 |
| 3.4 实验与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 新闻热点追踪与演化 | 第41-51页 |
| 4.1 话题追踪与演化算法介绍 | 第41-46页 |
| 4.1.1 话题演化常用模型 | 第42-45页 |
| 4.1.2 关键文档选取 | 第45-46页 |
| 4.2 基于关键文档和LDA的新闻话题演化方法 | 第46-48页 |
| 4.2.1 新闻话题主题个数选取 | 第46页 |
| 4.2.2 话题演化 | 第46-48页 |
| 4.3 实验与分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 新闻热点检测和追踪系统 | 第51-60页 |
| 5.1 系统设计 | 第51-53页 |
| 5.2 系统框架搭建 | 第53-54页 |
| 5.3 系统功能 | 第54-59页 |
| 5.3.1 系统功能说明 | 第54-58页 |
| 5.3.2 系统功能实现 | 第58-59页 |
| 5.4 本章小节 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
