| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 研究内容及本文创新点 | 第9-10页 |
| 1.4 论文结构 | 第10-12页 |
| 第二章 文本主题分析技术 | 第12-23页 |
| 2.1 自然语言处理基本问题介绍 | 第12-17页 |
| 2.1.1 分词技术 | 第12-14页 |
| 2.1.2 文本表示模型 | 第14-16页 |
| 2.1.3 文本相似度计算 | 第16-17页 |
| 2.2 话题发现技术介绍 | 第17-21页 |
| 2.2.1 聚类算法 | 第17-19页 |
| 2.2.2 LDA主题模型 | 第19-21页 |
| 2.3 传统BM25算法简介 | 第21-23页 |
| 第三章 基于改进的BM25算法的热点话题发现算法 | 第23-34页 |
| 3.1 话题词-BM25相似度算法 | 第23-25页 |
| 3.2 基于话题词-BM25相似度的聚类算法 | 第25-28页 |
| 3.2.1 核心话题词的选择 | 第27-28页 |
| 3.2.2 话题词-BM25算法介绍 | 第28页 |
| 3.3 基于话题词-BM25算法的话题发现实验及效果分析 | 第28-32页 |
| 3.3.1 相关实验介绍 | 第29-30页 |
| 3.3.2 实验过程 | 第30页 |
| 3.3.3 效果分析 | 第30-32页 |
| 3.3.4 算法复杂度分析 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于LDA-BM25算法的话题发现算法 | 第34-46页 |
| 4.1 LDA主题模型对比实验 | 第34-38页 |
| 4.1.1 基于LDA主题模型的话题发现算法实验 | 第34-36页 |
| 4.1.2 基于LDA主题模型的话题发现算法优缺点分析 | 第36-38页 |
| 4.2 LDA-BM25话题发现算法 | 第38-42页 |
| 4.2.1 LDA-BM25话题发现算法设计 | 第38-39页 |
| 4.2.2 LDA-BM25算法实验及效果分析 | 第39-42页 |
| 4.2.3 LDA-BM25算法性能分析 | 第42页 |
| 4.3 话题词-BM25算法与LDA-BM25算法的人工标注对比 | 第42-45页 |
| 4.3.1 实验方法 | 第42-43页 |
| 4.3.2 实验结果及分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于海量短文本主题分析的分布式处理 | 第46-62页 |
| 5.1 短文本预处理 | 第46-50页 |
| 5.1.1 短文本清洗技术 | 第47-49页 |
| 5.1.2 针对特定语料的特殊处理 | 第49-50页 |
| 5.1.3 短文本分词技术 | 第50页 |
| 5.2 基于海量短文本流的分布式预处理 | 第50-57页 |
| 5.2.1 分布式流式处理系统设计 | 第51-53页 |
| 5.2.2 基于异步索引机制的海量短文本分布式存储技术 | 第53-55页 |
| 5.2.3 分布式流处理系统性能 | 第55-57页 |
| 5.3 基于海量短文本的话题发现系统设计 | 第57-60页 |
| 5.3.1 高效话题发现设计 | 第57-58页 |
| 5.3.2 时间乱序短文本处理方法与系统设计 | 第58-59页 |
| 5.3.3 基于海量短文本的话题发现系统性能 | 第59-60页 |
| 5.4 海量短文本系统架构图 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
