| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-11页 |
| 第一章 引言 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·作者研究内容与成果 | 第13-14页 |
| ·论文组织结构 | 第14-17页 |
| 第二章 话题发现中的相关概念与技术 | 第17-31页 |
| ·相关概念 | 第17页 |
| ·事件的定义 | 第17页 |
| ·话题的定义 | 第17页 |
| ·报道的定义 | 第17页 |
| ·话题发现与跟踪系统框架 | 第17-18页 |
| ·信息采集 | 第18-20页 |
| ·文本预处理 | 第20-24页 |
| ·分词及文本过滤 | 第20-22页 |
| ·文档特征信息计算 | 第22页 |
| ·特征抽取 | 第22-23页 |
| ·文档模型与话题模型 | 第23-24页 |
| ·话题发现与跟踪 | 第24-27页 |
| ·基于文档的话题发现理论 | 第24页 |
| ·可信关联规则理论 | 第24-26页 |
| ·话题跟踪理论 | 第26-27页 |
| ·话题发现与跟踪性能评价方法 | 第27-31页 |
| 第三章 基于层级聚类的话题发现算法及实现 | 第31-39页 |
| ·算法设计框架 | 第31-33页 |
| ·层级聚类算法实现 | 第33-34页 |
| ·话题跟踪算法实现 | 第34-35页 |
| ·实验结果与分析 | 第35-39页 |
| ·特征选取性能分析 | 第35-37页 |
| ·话题发现与跟踪性能分析 | 第37-39页 |
| 第四章 基于可信关联规则(CAR)的话题发现算法及实现 | 第39-47页 |
| ·算法设计框架 | 第39-40页 |
| ·话题特征聚类 | 第40-42页 |
| ·二项可信集构造 | 第40-41页 |
| ·极大团挖掘 | 第41-42页 |
| ·话题发现 | 第42页 |
| ·热点话题发现 | 第42-43页 |
| ·实验结果与分析 | 第43-47页 |
| ·邻接矩阵构造性能分析 | 第43-44页 |
| ·话题发现与跟踪性能分析 | 第44-47页 |
| 第五章 基于CAR的热点话题发现算法性能优化 | 第47-53页 |
| ·词典 | 第47页 |
| ·查询扩展 | 第47-48页 |
| ·邻接矩阵构造 | 第48页 |
| ·极大准团的挖掘 | 第48-49页 |
| ·话题阈值优化 | 第49页 |
| ·话题组织与更新策略 | 第49-50页 |
| ·实验结果与分析 | 第50-53页 |
| 第六章 话题发现在舆情分析系统中的应用 | 第53-59页 |
| ·系统概述 | 第53-54页 |
| ·子系统介绍 | 第54-59页 |
| ·信息采集子系统 | 第54-55页 |
| ·数据分析子系统 | 第55-56页 |
| ·数据存储子系统 | 第56页 |
| ·业务展示子系统 | 第56-59页 |
| 第七章 结束语 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·未来研究工作 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 硕士期间发表的论文与参与的项目 | 第65页 |