| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于聚类的方法研究现状 | 第11页 |
| 1.2.2 基于突发特征的方法研究现状 | 第11-13页 |
| 1.2.3 结合领域具体特征的方法研究现状 | 第13-14页 |
| 1.3 研究内容及论文结构安排 | 第14-16页 |
| 第2章 基于主题模型的文档建模与关键词抽取研究 | 第16-28页 |
| 2.1 引言 | 第16-17页 |
| 2.2 主题模型PAM简介 | 第17-18页 |
| 2.3 基于PAM的文档关键词抽取算法描述 | 第18-19页 |
| 2.4 实验及结果分析 | 第19-27页 |
| 2.4.1 数据集说明 | 第20页 |
| 2.4.2 评价指标介绍 | 第20-21页 |
| 2.4.3 科技新闻抽取结果与分析 | 第21-24页 |
| 2.4.4 国内新闻抽取结果与分析 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于Affinity Propagation的聚类算法研究 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 Affinity Propagation聚类算法介绍 | 第28-32页 |
| 3.3 聚类算法及相似度度量的选择 | 第32-41页 |
| 3.3.1 数据集说明 | 第32页 |
| 3.3.2 评价指标介绍 | 第32-34页 |
| 3.3.3 科技新闻聚类结果及分析 | 第34-38页 |
| 3.3.4 国内新闻聚类结果及分析 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于频繁项集挖掘的事件描述信息生成 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 频繁项集挖掘算法介绍 | 第43-46页 |
| 4.2.1 Apriori算法 | 第44页 |
| 4.2.2 FP Growth算法 | 第44-45页 |
| 4.2.3 SaM算法 | 第45-46页 |
| 4.3 实验及结果分析 | 第46-51页 |
| 4.4 在趋势追踪方面的应用 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-64页 |
| 致谢 | 第64页 |