微博客话题评论的聚类分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题目的及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 相关技术介绍 | 第14-23页 |
| 2.1 语言技术平台 | 第14-15页 |
| 2.1.1 语言技术平台概述 | 第14页 |
| 2.1.2 系统框架 | 第14页 |
| 2.1.3 功能模块 | 第14-15页 |
| 2.2 数据挖掘 | 第15-17页 |
| 2.2.1 数据挖掘概述 | 第15页 |
| 2.2.2 Apriori 算法 | 第15-17页 |
| 2.3 知网 | 第17-18页 |
| 2.3.1 知网概述 | 第17页 |
| 2.3.2 词语相似度计算方法 | 第17-18页 |
| 2.4 句子相似度计算 | 第18-19页 |
| 2.4.1 句子相似度计算概述 | 第18页 |
| 2.4.2 依存句法树方法 | 第18页 |
| 2.4.3 语义词典方法 | 第18-19页 |
| 2.5 常用聚类算法 | 第19-22页 |
| 2.5.1 聚类算法概述 | 第19页 |
| 2.5.2 基于划分的方法 | 第19-21页 |
| 2.5.3 基于层次的方法 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 微博客话题评论的聚类分析算法 | 第23-33页 |
| 3.1 依存句法子树分析算法 | 第23-27页 |
| 3.1.1 汉语句子成分分析 | 第23-24页 |
| 3.1.2 标准的依存句法树分析方法 | 第24-25页 |
| 3.1.3 依存句法子树分析方法 | 第25-27页 |
| 3.2 基于 Apriori 的评价模式挖掘算法 | 第27-30页 |
| 3.2.1 Apriori 算法的优化 | 第27页 |
| 3.2.2 评价模式挖掘算法的基本思想 | 第27-28页 |
| 3.2.3 评价模式挖掘算法的步骤 | 第28-29页 |
| 3.2.4 评价模式知识的应用 | 第29-30页 |
| 3.3 基于知网的观点聚类算法 | 第30-32页 |
| 3.3.1 语义相似度计算 | 第30-31页 |
| 3.3.2 语义相似度聚类 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 微博客话题评论的聚类分析系统 | 第33-42页 |
| 4.1 系统框架 | 第33-34页 |
| 4.2 各功能模块介绍 | 第34-40页 |
| 4.2.1 微博话题评论爬取模块 | 第34-35页 |
| 4.2.2 依存句法处理模块 | 第35页 |
| 4.2.3 依存句法子树分析模块 | 第35-37页 |
| 4.2.4 评价模式挖掘和应用模块 | 第37-39页 |
| 4.2.5 语义相似度计算和聚类模块 | 第39页 |
| 4.2.6 观点展示模块 | 第39-40页 |
| 4.3 系统展示 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验评测与结果分析 | 第42-48页 |
| 5.1 实验数据 | 第42页 |
| 5.2 实验结果 | 第42-46页 |
| 5.2.1 句子相似度计算 | 第42-45页 |
| 5.2.2 凝聚层次聚类算法 | 第45-46页 |
| 5.3 本章小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55页 |
