网络热点话题检测技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 话题检测流程研究 | 第16-26页 |
| 2.1 话题检测流程 | 第16页 |
| 2.2 文本表示模型 | 第16-20页 |
| 2.2.1 布尔模型 | 第17页 |
| 2.2.2 概率主题模型 | 第17-18页 |
| 2.2.3 向量空间模型 | 第18-20页 |
| 2.3 文本聚类算法 | 第20-24页 |
| 2.3.1 基于划分的聚类算法 | 第20-21页 |
| 2.3.2 基于层次的聚类算法 | 第21-23页 |
| 2.3.3 基于密度的聚类算法 | 第23-24页 |
| 2.3.4 基于增量的聚类算法 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 文本的预处理 | 第26-38页 |
| 3.1 文本分词 | 第27-29页 |
| 3.2 停用词处理 | 第29-30页 |
| 3.3 特征提取与权重计算 | 第30-37页 |
| 3.3.1 特征词提取 | 第30-31页 |
| 3.3.2 权重计算 | 第31-33页 |
| 3.3.3 基于词间语义的改进特征词提取方法 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 话题聚类 | 第38-50页 |
| 4.1 相似度计算 | 第38-41页 |
| 4.1.1 文档间相似度 | 第38-39页 |
| 4.1.2 类间相似度 | 第39-41页 |
| 4.2 算法选择 | 第41-44页 |
| 4.2.1 算法对比 | 第41-42页 |
| 4.2.2 经典Single-Pass聚类算法 | 第42-44页 |
| 4.3 Single-Pass算法改进 | 第44-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 实验评估与结果分析 | 第50-56页 |
| 5.1 实验环境 | 第50-52页 |
| 5.1.1 系统软硬件环境 | 第50页 |
| 5.1.2 实验数据采集与评价标准 | 第50-52页 |
| 5.2 实验结果分析 | 第52-54页 |
| 5.2.1 改进特征项提取方法的验证 | 第52-53页 |
| 5.2.2 算法性能验证 | 第53-54页 |
| 5.3 本章小结 | 第54-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
