微博热点话题发现系统的研究与实现
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 微博舆情研究现状 | 第9-10页 |
| 1.2.2 短文本聚类研究现状 | 第10-11页 |
| 1.2.3 深度学习研究现状 | 第11-12页 |
| 1.3 全文组织结构 | 第12-13页 |
| 第二章 相关理论与技术概述 | 第13-29页 |
| 2.1 话题发现相关技术 | 第13-18页 |
| 2.1.1 文本预处理 | 第14-16页 |
| 2.1.2 文本特征提取和权重的计算 | 第16-17页 |
| 2.1.3 文本表示 | 第17-18页 |
| 2.2 聚类算法介绍 | 第18-22页 |
| 2.2.1 K-means聚类算法 | 第20-21页 |
| 2.2.2 FCM聚类算法 | 第21-22页 |
| 2.3 深度学习算法概述 | 第22-28页 |
| 2.3.1 受限玻尔兹曼机 | 第23-25页 |
| 2.3.2 深度信念网络 | 第25-26页 |
| 2.3.3 自动编码机 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于深度信念网络的K-means算法研究 | 第29-36页 |
| 3.1 问题提出 | 第29页 |
| 3.2 算法描述 | 第29-31页 |
| 3.3 算法流程 | 第31-32页 |
| 3.4 实验与分析 | 第32-35页 |
| 3.4.1 实验环境和数据 | 第32-33页 |
| 3.4.2 评价指标 | 第33页 |
| 3.4.3 结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于新浪微博的热点话题发现 | 第36-45页 |
| 4.1 系统总体设计 | 第36-37页 |
| 4.2 数据采集模块 | 第37-39页 |
| 4.2.1 数据获取 | 第37页 |
| 4.2.2 信息抽取 | 第37-39页 |
| 4.3 数据预处理模块 | 第39-41页 |
| 4.4 热点话题发现模块 | 第41-44页 |
| 4.4.1 话题发现 | 第41-42页 |
| 4.4.2 热度计算 | 第42-43页 |
| 4.4.3 热点话题对比 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 硕士研究生期间发表论文情况 | 第50-51页 |
| 致谢 | 第51-52页 |
