微博热点话题发现方法的研究和实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景和研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 2 相关概念和理论基础 | 第18-33页 |
| 2.1 微博的特点 | 第18-20页 |
| 2.1.1 微博文本特性 | 第18-19页 |
| 2.1.2 微博传播特性 | 第19-20页 |
| 2.2 中文分词技术 | 第20-22页 |
| 2.3 文本表示模型 | 第22-23页 |
| 2.3.1 布尔模型 | 第22页 |
| 2.3.2 向量空间模型 | 第22-23页 |
| 2.4 文本特征选择 | 第23-25页 |
| 2.5 文本相似性度量 | 第25页 |
| 2.6 主题模型算法 | 第25-32页 |
| 2.6.1 LSA模型 | 第26-27页 |
| 2.6.2 PLSA模型 | 第27-29页 |
| 2.6.3 LDA模型 | 第29-32页 |
| 2.7 本章小结 | 第32-33页 |
| 3 微博短文本扩充策略 | 第33-45页 |
| 3.1 基于微博评论的短文本扩充策略 | 第33-40页 |
| 3.1.1 基于微博评论的文本扩展总流程 | 第34-35页 |
| 3.1.2 微博转发评论信息 | 第35-37页 |
| 3.1.3 基于词共现模型的微博评论信息筛选机制 | 第37-40页 |
| 3.1.4 扩展评论信息到微博原文中 | 第40页 |
| 3.2 基于百度百科的短文本扩充策略 | 第40-44页 |
| 3.2.1 基于百度百科词条的文本扩展总流程 | 第41页 |
| 3.2.2 百度百科词条的获取 | 第41-43页 |
| 3.2.3 百度百科词条筛选机制 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 4 基于LDA主题模型的热点话题发现 | 第45-53页 |
| 4.1 微博话题生命周期理论 | 第46-47页 |
| 4.2 微博热点话题发现流程 | 第47-48页 |
| 4.3 基于LDA的微博主题聚类 | 第48-51页 |
| 4.3.1 聚类算法选择 | 第48-50页 |
| 4.3.2 主题聚类 | 第50-51页 |
| 4.4 微博话题热度及微博热点话题发现 | 第51-52页 |
| 4.4.1 微博话题热度 | 第51页 |
| 4.4.2 基于时序的热点话题发现 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 实验过程及实验结果 | 第53-65页 |
| 5.1 实验总流程 | 第53页 |
| 5.2 实验数据及实验环境 | 第53-54页 |
| 5.3 获取微博语料 | 第54-56页 |
| 5.4 微博文本预处理 | 第56-57页 |
| 5.5 微博短文本扩充 | 第57-58页 |
| 5.6 实验设计及结果分析 | 第58-64页 |
| 5.6.1 实验设置 | 第58页 |
| 5.6.2 微博短文本扩充的评价标准及结果分析 | 第58-60页 |
| 5.6.3 热点话题发现结果及效果评估 | 第60-64页 |
| 5.7 本章小结 | 第64-65页 |
| 6 结论 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
