摘要 | 第1-4页 |
Abstract | 第4-6页 |
目录 | 第6-10页 |
第一章 绪论 | 第10-14页 |
·课题研究的背景及意义 | 第10-11页 |
·课题研究的背景 | 第10页 |
·课题研究的意义 | 第10-11页 |
·国内外相关技术的研究现状 | 第11-12页 |
·国外研究现状 | 第11页 |
·国内研究现状 | 第11-12页 |
·论文的目标与创新点 | 第12页 |
·论文的主要工作及组织结构 | 第12-14页 |
第二章 网络热点话题自动发现系统总体设计 | 第14-20页 |
·系统功能介绍 | 第14-15页 |
·信息采集 | 第14页 |
·信息处理 | 第14-15页 |
·热点话题发现 | 第15页 |
·系统管理 | 第15页 |
·系统的开发环境及平台 | 第15-18页 |
·系统的开发环境及平台简介 | 第15页 |
·MyEclipse8.0介绍 | 第15-16页 |
·MVC三层设计模式介绍 | 第16-17页 |
·MySQL介绍 | 第17-18页 |
·系统数据处理流程 | 第18页 |
·数据库表设计 | 第18-19页 |
·本章小结 | 第19-20页 |
第三章 信息采集模块中相关技术的研究及实现 | 第20-28页 |
·信息采集的技术难点及相应的手段 | 第21页 |
·信息采集的研究现状 | 第21-23页 |
·基于整个Web的信息采集 | 第21-22页 |
·增量式信息采集 | 第22页 |
·基于主题的Web信息采集 | 第22-23页 |
·基于元搜索的信息采集 | 第23页 |
·信息采集模块设计 | 第23-26页 |
·本章小结 | 第26-28页 |
第四章 信息处理模块相关技术的研究及实现 | 第28-36页 |
·网页正文内容提取技术 | 第28-29页 |
·基于HTML代码密度的网页正文内容提取算法 | 第28页 |
·基于分块的网页正文内容提取算法 | 第28-29页 |
·中文分词技术 | 第29-31页 |
·中文分词的难点 | 第29-30页 |
·中文分词的相关算法 | 第30-31页 |
·信息处理模块设计 | 第31-35页 |
·网页内容提取 | 第31-33页 |
·中文分词 | 第33-35页 |
·本章小结 | 第35-36页 |
第五章 网络热点话题自动发现相关技术的研究及算法实现 | 第36-46页 |
·相关技术研究 | 第36-41页 |
·文本表示技术 | 第36-38页 |
·文本特征选择 | 第38-39页 |
·聚类分析技术 | 第39-41页 |
·OICKMSP热点话题的发现算法的设计与实现 | 第41-45页 |
·传统的K-Means算法 | 第42页 |
·优化初始中心的K-Means算法(OICKM) | 第42-43页 |
·Single-Pass算法 | 第43-45页 |
·本章小结 | 第45-46页 |
第六章 热点话题自动发现模块的详细设计 | 第46-52页 |
·分词预处理 | 第46页 |
·文本向量化 | 第46-48页 |
·新闻报道的模型 | 第47页 |
·特征项权重的计算 | 第47-48页 |
·特征项选择 | 第48页 |
·热点话题的发现 | 第48-49页 |
·新闻话题的表示 | 第48-49页 |
·文档间相似度的度量 | 第49页 |
·热点话题评估 | 第49-51页 |
·话题的报道频率 | 第49-50页 |
·话题的用户关注度 | 第50页 |
·综合关注度 | 第50-51页 |
·本章小结 | 第51-52页 |
第七章 网络热点自动发现系统的性能分析 | 第52-60页 |
·话题发现实验 | 第52-56页 |
·实验的评价标准 | 第52页 |
·实验条件 | 第52-53页 |
·实验过程及结果分析 | 第53-56页 |
·热点话题评估 | 第56-58页 |
·实验评价标准 | 第56页 |
·实验条件 | 第56页 |
·实验结果及分析 | 第56-58页 |
·本章小结 | 第58-60页 |
第八章 总结与展望 | 第60-62页 |
·工作总结 | 第60页 |
·工作展望 | 第60-62页 |
致谢 | 第62-64页 |
参考文献 | 第64-68页 |
附录A:攻读硕士学位期间发表的论文 | 第68-69页 |
附录B:攻读硕士学位期间参与的项目 | 第69页 |