网络热点话题发现的关键技术研究
| 摘要 | 第1页 |
| Abstract | 第5-6页 |
| 详细摘要 | 第6-9页 |
| Detailed Abstract | 第9-14页 |
| 1 绪论 | 第14-28页 |
| ·本文的研究背景及意义 | 第14-19页 |
| ·研究背景 | 第14-17页 |
| ·研究意义 | 第17-19页 |
| ·网络热点话题相关技术的研究现状 | 第19-22页 |
| ·国外的研究状况 | 第19-21页 |
| ·国内的研究情况 | 第21-22页 |
| ·目前存在的问题 | 第22-23页 |
| ·本文的主要研究内容和创新点 | 第23-27页 |
| ·本文的研究内容 | 第23-25页 |
| ·本文的章节安排 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 2 研究基础及相关工作概述 | 第28-42页 |
| ·网络信息资源聚合方法 | 第28-33页 |
| ·相关描述 | 第28页 |
| ·Web2.0资源整合平台架构 | 第28-29页 |
| ·Web2.0资源整合平台技术支持 | 第29-30页 |
| ·实例分析 | 第30-33页 |
| ·网络信息采集技术 | 第33-35页 |
| ·不确定性信息度量方法 | 第35-36页 |
| ·蚁群算法 | 第36-37页 |
| ·机器学习方法 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 3 中文关键词组自动提取算法的研究 | 第42-58页 |
| ·基本概念 | 第42-44页 |
| ·关键词提取的研究方法 | 第44-47页 |
| ·关键词描述方法 | 第47-48页 |
| ·关键词组的自动提取算法 | 第48-56页 |
| ·原始数据集合——文档 | 第48页 |
| ·特征分析 | 第48-51页 |
| ·关键词词组的提取算法 | 第51-52页 |
| ·实验分析 | 第52-56页 |
| ·本章小结 | 第56-58页 |
| 4 文档聚类技术的研究 | 第58-78页 |
| ·基本概念 | 第58-60页 |
| ·聚类方法研究 | 第60-68页 |
| ·未给定类别数目的方法 | 第60-61页 |
| ·给定类别数目的方法 | 第61-65页 |
| ·基于核构造的方法 | 第65-66页 |
| ·模糊聚类 | 第66-68页 |
| ·相似性度量方法 | 第68-70页 |
| ·基于蚁群优化的迭代自适应聚类算法 | 第70-76页 |
| ·相关定义 | 第70-72页 |
| ·聚类算法的实现 | 第72-73页 |
| ·实验分析 | 第73-76页 |
| ·本章小结 | 第76-78页 |
| 5 网络热点话题发现中过滤技术的研究 | 第78-92页 |
| ·概念描述 | 第78-79页 |
| ·传播过程描述 | 第79-81页 |
| ·信息传播 | 第79-80页 |
| ·热点话题传播 | 第80-81页 |
| ·过滤技术 | 第81-84页 |
| ·热点话题提取算法 | 第84-90页 |
| ·参数设置 | 第84-86页 |
| ·算法研究 | 第86-88页 |
| ·实验分析 | 第88-90页 |
| ·本章小结 | 第90-92页 |
| 6 总结与展望 | 第92-96页 |
| 参考文献 | 第96-106页 |
| 致谢 | 第106-108页 |
| 作者简介 | 第108页 |
| 在学期间发表的学术论文 | 第108页 |
