| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 公安舆情监控研究现状 | 第9页 |
| 1.2.2 热点信息研究现状 | 第9-10页 |
| 1.2.3 关键词自动抽取研究现状 | 第10-11页 |
| 1.3 论文主要工作和组织结构 | 第11-13页 |
| 1.3.1 论文主要工作 | 第11-12页 |
| 1.3.2 论文组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13页 |
| 注释 | 第13-16页 |
| 第2章 相关理论和技术 | 第16-26页 |
| 2.1 构词特征选取 | 第16-17页 |
| 2.2 PAT-Tree技术 | 第17-20页 |
| 2.3 支持向量机（Support Vector Machine；SVM） | 第20-25页 |
| 2.4 本章小结 | 第25页 |
| 注释 | 第25-26页 |
| 第3章 基于Helmholtz原理的热点词识别 | 第26-38页 |
| 3.1 Helmholtz原理及热点词时间分布特性描述 | 第26-29页 |
| 3.1.1 热点词的时间分布特性描述 | 第27-29页 |
| 3.2 候选词集合构造 | 第29-33页 |
| 3.3 热点词自动检测 | 第33-34页 |
| 3.4 热点词识别的总体流程图 | 第34-36页 |
| 3.5 本章小结 | 第36页 |
| 注释 | 第36-38页 |
| 第4章 实验及结果分析 | 第38-48页 |
| 4.1 实验流程 | 第38页 |
| 4.2 评测标准 | 第38-39页 |
| 4.3 基于Helmholtz原理的热点词时间分布特性标注实验 | 第39-40页 |
| 4.4 基于Helmholtz原理的热点词识别实验结果及分析 | 第40-42页 |
| 4.5 应用实例 | 第42-47页 |
| 4.5.1 网络舆情监控系统简介 | 第43-46页 |
| 4.5.2 基于Helmholtz原理热点词识别模型的网络舆情监控应用实例 | 第46-47页 |
| 4.6 本章小结 | 第47页 |
| 注释 | 第47-48页 |
| 第5章 总结与展望 | 第48-51页 |
| 5.1 本文主要工作总结 | 第48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 注释 | 第49-51页 |
| 致谢 | 第51页 |
