| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 引言 | 第14-15页 |
| 第1章 绪论 | 第15-20页 |
| 1.1 研究背景 | 第15页 |
| 1.2 研究的目的及意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.3.1 短文本语义扩充的研究 | 第16-17页 |
| 1.3.2 文本表示模型的研究 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第2章 相关基础知识介绍 | 第20-29页 |
| 2.1 微博的相关概述 | 第20-22页 |
| 2.1.1 微博的起源及发展 | 第20-21页 |
| 2.1.2 微博文本的特点 | 第21-22页 |
| 2.2 文本挖掘概述 | 第22-26页 |
| 2.2.1 文本挖掘介绍 | 第22-23页 |
| 2.2.2 文本挖掘技术 | 第23-25页 |
| 2.2.3 文本挖掘过程 | 第25-26页 |
| 2.3 文本表示 | 第26-28页 |
| 2.3.1 文本表示的概念 | 第26页 |
| 2.3.2 文本表示模型 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 超短微博文本的语义扩充与处理 | 第29-39页 |
| 3.1 超短微博文本的语义扩充 | 第29-31页 |
| 3.1.1 语义的介绍 | 第29-30页 |
| 3.1.2 动态时间窗口下的超短微博文本语义 | 第30-31页 |
| 3.2 动态时间窗口下微博数据的基本处理 | 第31-33页 |
| 3.2.1 动态时间窗口下的相关定义 | 第31-32页 |
| 3.2.2 过滤无关信息 | 第32页 |
| 3.2.3 中文分词 | 第32-33页 |
| 3.3 文本表示的预处理 | 第33-36页 |
| 3.3.1 词语相似度计算 | 第33-35页 |
| 3.3.2 特征选择 | 第35-36页 |
| 3.4 动态时间窗口下的关联语义关系挖掘 | 第36-38页 |
| 3.4.1 关联关系的形成背景 | 第36页 |
| 3.4.2 特征关键词之间的关联语义关系 | 第36-38页 |
| 3.4.3 关联语义关系挖掘算法 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 超短微博文本关联语义表示模型的构建与优化 | 第39-50页 |
| 4.1 超短微博文本关联语义表示模型的构建 | 第39-44页 |
| 4.1.1 图结构表示模型的介绍 | 第39-40页 |
| 4.1.2 超短微博文本关联语义表示模型的构建方法 | 第40页 |
| 4.1.3 超短微博文本关联语义表示模型的构建 | 第40-44页 |
| 4.2 超短微博文本关联语义表示模型的优化 | 第44-49页 |
| 4.2.1 网络聚类系数介绍 | 第44-45页 |
| 4.2.2 超短微博文本关联语义表示模型的优化方法 | 第45-47页 |
| 4.2.3 超短微博文本关联语义表示模型的优化 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 实验 | 第50-59页 |
| 5.1 实验环境和数据 | 第50页 |
| 5.2 实验方法和结果 | 第50-57页 |
| 5.3 实验结果分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 作者简介及读研期间主要科研成果 | 第66-67页 |