话题检测与跟踪系统的构建
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 序论 | 第11-19页 |
| ·研究背景及其意义 | 第11-12页 |
| ·话题检测与跟踪简介 | 第12-16页 |
| ·TDT的概念 | 第12-13页 |
| ·TDT的发展历程 | 第13-14页 |
| ·TDT的任务 | 第14-16页 |
| ·系统框架 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 信息获取 | 第19-25页 |
| ·RSS简介 | 第19-21页 |
| ·RSS概念及其规范 | 第19-20页 |
| ·RSS新闻信息获取 | 第20-21页 |
| ·网页去噪声 | 第21-24页 |
| ·网页去噪声的定义 | 第21页 |
| ·网页去噪声相关研究 | 第21-22页 |
| ·改进的网页去噪声算法 | 第22-24页 |
| ·本章总结 | 第24-25页 |
| 第三章 信息预处理与特征提取 | 第25-36页 |
| ·预处理模块 | 第25页 |
| ·文本表示 | 第25-27页 |
| ·语言模型 | 第26页 |
| ·VSM模型 | 第26-27页 |
| ·权重计算 | 第27-30页 |
| ·TF-IDF | 第27-28页 |
| ·增量的TF-IDF | 第28-29页 |
| ·TF-IDF其他变体算法 | 第29页 |
| ·信息熵 | 第29-30页 |
| ·布尔权重 | 第30页 |
| ·特征选择 | 第30-33页 |
| ·特征选择 | 第30-31页 |
| ·文档频率 | 第31页 |
| ·信息增益 | 第31页 |
| ·互信息 | 第31-32页 |
| ·开方检验 | 第32-33页 |
| ·隐含语义检索 | 第33-35页 |
| ·隐含语义的概念 | 第33-34页 |
| ·奇异值分解 | 第34页 |
| ·特征选择与LSI | 第34-35页 |
| ·本章总结 | 第35-36页 |
| 第四章 话题检测与跟踪技术 | 第36-50页 |
| ·话题检测任务 | 第36-38页 |
| ·新事件检测 | 第36-37页 |
| ·在线话题检测 | 第37页 |
| ·事件回顾检测 | 第37-38页 |
| ·层次话题检测 | 第38页 |
| ·话题跟踪任务 | 第38-40页 |
| ·传统话题跟踪 | 第39页 |
| ·自适应话题跟踪 | 第39-40页 |
| ·话题检测的相关技术 | 第40-42页 |
| ·SS策略 | 第41页 |
| ·SC策略 | 第41-42页 |
| ·SCS策略 | 第42页 |
| ·话题跟踪的相关技术 | 第42-47页 |
| ·Rocchio | 第42-43页 |
| ·朴素贝叶斯 | 第43-45页 |
| ·K邻近 | 第45-46页 |
| ·支持向量机 | 第46页 |
| ·决策树 | 第46-47页 |
| ·神经网络 | 第47页 |
| ·地名和时间信息 | 第47-49页 |
| ·时间信息的应用 | 第48页 |
| ·地点信息的应用 | 第48-49页 |
| ·本章总结 | 第49-50页 |
| 第五章 基于KNN的话题检测与跟踪系统 | 第50-56页 |
| ·KNN简介 | 第50-51页 |
| ·KNN在话题检测与跟踪的应用 | 第50-51页 |
| ·KNN原理 | 第51页 |
| ·KNN改进方案 | 第51-53页 |
| ·RWKNN | 第52-53页 |
| ·特征映射 | 第53页 |
| ·KNN及其在改进算法在TDT中的应用 | 第53-55页 |
| ·归一化 | 第54页 |
| ·相似度的计算 | 第54-55页 |
| ·本章总结 | 第55-56页 |
| 第六章 话题检测与跟踪系统测试 | 第56-60页 |
| ·测试设计 | 第56-58页 |
| ·实验语料 | 第56页 |
| ·实验环境 | 第56页 |
| ·实验设计 | 第56-57页 |
| ·评测标准 | 第57-58页 |
| ·测试结果及其分析 | 第58-59页 |
| ·本章总结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |
