| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 主要贡献 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关研究与技术综述 | 第17-28页 |
| 2.1 话题检测与追踪 | 第17-20页 |
| 2.1.1 基本原理及研究现状 | 第17-18页 |
| 2.1.2 概率隐性语义分析 | 第18-19页 |
| 2.1.3 潜在狄利克雷分配 | 第19-20页 |
| 2.2 未登录词识别 | 第20-27页 |
| 2.2.1 新词发现 | 第21-22页 |
| 2.2.1.1 基于有监督的新词识别 | 第21页 |
| 2.2.1.2 基于无监督的新词识别 | 第21-22页 |
| 2.2.2 命名实体识别 | 第22-27页 |
| 2.2.2.1 基于最大熵马尔科夫的命名实体识别 | 第22-24页 |
| 2.2.2.2 基于条件随机场模型的命名实体识别 | 第24-25页 |
| 2.2.2.3 基于循环神经网络模型的命名实体识别 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于主题模型的股市热点话题检测与追踪 | 第28-44页 |
| 3.1 问题描述 | 第28页 |
| 3.2 算法设计 | 第28-30页 |
| 3.3 关键词提取 | 第30-33页 |
| 3.3.1 基于TFIDF算法的关键词提取 | 第30-31页 |
| 3.3.2 基于TextRank算法的关键词提取 | 第31-32页 |
| 3.3.3 组合关键词提取算法 | 第32-33页 |
| 3.4 话题识别 | 第33-37页 |
| 3.4.1 模型表示 | 第33-34页 |
| 3.4.2 模型训练 | 第34-36页 |
| 3.4.3 参数设定 | 第36-37页 |
| 3.5 话题追踪 | 第37-38页 |
| 3.5.1 话题文章及关键词提取 | 第37页 |
| 3.5.2 话题合并 | 第37-38页 |
| 3.5.3 热度计算 | 第38页 |
| 3.6 实验分析 | 第38-43页 |
| 3.6.1 数据集 | 第38-39页 |
| 3.6.2 评估方法 | 第39-40页 |
| 3.6.3 结果对比 | 第40-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于多模型组合的股票概念识别 | 第44-59页 |
| 4.1 基于命名实体识别的股票概念识别 | 第44-51页 |
| 4.1.1 基于条件随机场模型的命名实体识别 | 第44-46页 |
| 4.1.2 基于循环神经网络的命名实体识别 | 第46-48页 |
| 4.1.3 基于改进混合模型的命名实体识别 | 第48-51页 |
| 4.2 基于词粗切分的股票概念识别 | 第51-53页 |
| 4.3 基于多模型组合的股票概念识别 | 第53-54页 |
| 4.4 实验分析 | 第54-58页 |
| 4.4.1 数据集 | 第54页 |
| 4.4.2 标注方式 | 第54-55页 |
| 4.4.3 评估方法 | 第55页 |
| 4.4.4 参数设置 | 第55-56页 |
| 4.4.5 结果对比 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 股市热点话题检测及概念股票抽取系统设计与实现 | 第59-70页 |
| 5.1 系统架构 | 第59-61页 |
| 5.2 词库构建 | 第61页 |
| 5.3 股市热点话题检测与追踪 | 第61-62页 |
| 5.4 股票概念识别及概念成分股提取 | 第62-63页 |
| 5.5 概念指数计算 | 第63页 |
| 5.6 系统展示 | 第63-69页 |
| 5.6.1 成果展示 | 第63-67页 |
| 5.6.2 结果分析 | 第67-69页 |
| 5.7 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-77页 |
| 致谢 | 第77页 |