| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 微博简介 | 第11-15页 |
| 1.2.1 微博概况 | 第11-13页 |
| 1.2.2 微博特点 | 第13-15页 |
| 1.3 话题检测与追踪技术 | 第15-17页 |
| 1.3.1 相关概念 | 第15-16页 |
| 1.3.2 发展概述 | 第16页 |
| 1.3.3 相关任务 | 第16-17页 |
| 1.4 本文主要内容 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-20页 |
| 第二章 相关技术研究现状 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 话题检测与追踪相关技术 | 第20-22页 |
| 2.2.1 话题检测技术 | 第20-21页 |
| 2.2.2 话题追踪技术 | 第21-22页 |
| 2.3 话题检测与追踪研究现状 | 第22-25页 |
| 2.3.1 话题检测技术 | 第22-24页 |
| 2.3.2 话题追踪技术 | 第24-25页 |
| 2.4 微博话题研究现状 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 微博话题检测 | 第28-50页 |
| 3.1 引言 | 第28页 |
| 3.2 主题模型 | 第28-38页 |
| 3.2.1 LDA建模 | 第28-32页 |
| 3.2.2 数据稀疏问题分析 | 第32-33页 |
| 3.2.3 BTM建模 | 第33-36页 |
| 3.2.4 建模实验分析 | 第36-38页 |
| 3.3 基于BTM&K-means聚类的话题检测 | 第38-40页 |
| 3.3.1 文本转换 | 第38-39页 |
| 3.3.2 算法概述 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-48页 |
| 3.4.1 聚簇个数对聚类结果的影响 | 第40-42页 |
| 3.4.2 BTM结合两种不同聚类算法的对比 | 第42-45页 |
| 3.4.3 BTM&K-means与LDA&K-means的实验对比 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 微博话题追踪 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 基于BTM话题词表的话题追踪 | 第50-54页 |
| 4.2.1 话题和微博的文本表示模型 | 第50-53页 |
| 4.2.2 相似度计算 | 第53页 |
| 4.2.3 算法概述 | 第53-54页 |
| 4.3 实验结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58页 |
| 5.2 对未来工作的展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录A 攻读硕士学位期间发表论文与申请软件著作权 | 第68-70页 |
| 附录B 攻读硕士学位期间参与的研究工作 | 第70页 |