基于时序关系的金融领域热点话题检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究的目的及意义 | 第9页 |
| 1.2 国内外相关技术研究现状 | 第9-19页 |
| 1.2.1 TDT 技术的研究现状 | 第10-11页 |
| 1.2.2 时间短语处理技术的研究现状 | 第11-12页 |
| 1.2.3 文本表示与相似度计算研究现状 | 第12-14页 |
| 1.2.4 文本特征提取研究现状 | 第14-17页 |
| 1.2.5 文本聚类研究现状 | 第17-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 章节内容组织 | 第20-21页 |
| 第2章 系统框架和数据预处理 | 第21-30页 |
| 2.1 系统总体结构 | 第21-22页 |
| 2.2 股票新闻的获取和预处理 | 第22-24页 |
| 2.3 个股新闻分类 | 第24-27页 |
| 2.4 时间短语的处理 | 第27-29页 |
| 2.4.1 时间短语的识别 | 第27-28页 |
| 2.4.2 时间短语的规范化 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 热点话题检测 | 第30-38页 |
| 3.1 话题检测基本方法 | 第30页 |
| 3.2 基于时间特征的文本流切分 | 第30-31页 |
| 3.3 文本聚类的特征抽取 | 第31-35页 |
| 3.3.1 新闻时间特征 | 第31-33页 |
| 3.3.2 文本词语特征与文本表示方法 | 第33-34页 |
| 3.3.3 本体词汇特征 | 第34-35页 |
| 3.4 基于时间凝聚的文本聚类过程 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 热点话题的事件跟踪和话题描述 | 第38-43页 |
| 4.1 在线聚类算法和实现 | 第38-41页 |
| 4.1.1 在线聚类的时间窗 | 第38-39页 |
| 4.1.2 Single-Pass 聚类过程 | 第39-41页 |
| 4.2 热点话题的关键词描述 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 实验结果与系统展示 | 第43-51页 |
| 5.1 实验数据 | 第43页 |
| 5.2 股票个股分类结果 | 第43-44页 |
| 5.3 聚类结果实验分析 | 第44-47页 |
| 5.3.1 评价方法 | 第44-45页 |
| 5.3.2 实验结果及分析 | 第45-47页 |
| 5.4 新闻热点追踪系统实验分析 | 第47-48页 |
| 5.4.1 评价方法 | 第47页 |
| 5.4.2 实验结果及分析 | 第47-48页 |
| 5.5 股票新闻热点追踪系统效果展示 | 第48-50页 |
| 5.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58页 |
