首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

网络舆情热点话题自动发现技术的研究与实现

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

论文共69页,点击 下载论文
上一篇:支持多维数据分析的Web报表研究与实现
下一篇:双膜式光纤Bragg光栅土压力传感器