| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 微博的发展 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 社交网络研究 | 第11页 |
| 1.2.2 微博情感分析 | 第11-12页 |
| 1.2.3 微博内容研究 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 第二章 文本挖掘概述 | 第14-27页 |
| 2.1 文本表示 | 第14-18页 |
| 2.1.1 中文分词和停用词 | 第14-16页 |
| 2.1.2 词频和逆文档频率 | 第16-17页 |
| 2.1.3 向量空间模型 | 第17-18页 |
| 2.2 文本分类 | 第18-22页 |
| 2.2.1 分类的相关问题 | 第18-19页 |
| 2.2.2 常见分类算法 | 第19-22页 |
| 2.3 文本聚类 | 第22-26页 |
| 2.3.1 聚类的相关问题 | 第22-23页 |
| 2.3.2 扁平聚类算法 | 第23-24页 |
| 2.3.3 层次聚类 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 LDA主题模型 | 第27-41页 |
| 3.1 隐性语义索引 | 第29-33页 |
| 3.1.1 隐性语义索引 | 第29-30页 |
| 3.1.2 概率隐性语义索引 | 第30-32页 |
| 3.1.3 一元混合模型 | 第32-33页 |
| 3.2 LDA主题模型 | 第33-40页 |
| 3.2.1 LDA主题模型简介 | 第33-34页 |
| 3.2.2 LDA数学基础 | 第34-36页 |
| 3.2.3 LDA主题模型 | 第36-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 微博主题分析和基于主题聚类的短文本分类 | 第41-63页 |
| 4.1 主题聚类 | 第41-42页 |
| 4.2 微博短文本分类 | 第42-45页 |
| 4.3 算法设计与实验分析 | 第45-62页 |
| 4.3.1 实验数据集和实验环境 | 第45-47页 |
| 4.3.2 词级特征选择：新词发现、分词、特征词选择 | 第47-55页 |
| 4.3.3 主题演化和新主题发现 | 第55-59页 |
| 4.3.4 短文本分类实验 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 全文工作总结 | 第63页 |
| 5.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |