| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 论文的研究目的和研究内容 | 第10-11页 |
| 1.3.1 研究目的 | 第10页 |
| 1.3.2 研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 2 微博热点话题检测相关理论和技术 | 第12-26页 |
| 2.1 微博热点话题概述 | 第12-14页 |
| 2.1.1 微博系统介绍 | 第12-13页 |
| 2.1.2 微博热点话题 | 第13-14页 |
| 2.2 话题检测与跟踪 | 第14-15页 |
| 2.3 话题检测相关技术 | 第15-25页 |
| 2.3.1 中文分词和停用词过滤 | 第16-17页 |
| 2.3.2 话题模型 | 第17-21页 |
| 2.3.3 特征项赋权 | 第21-22页 |
| 2.3.4 相似度策略 | 第22-24页 |
| 2.3.5 聚类算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 微博数据采集与微博信息预处理 | 第26-36页 |
| 3.1 微博数据采集 | 第26-32页 |
| 3.1.1 利用开放平台 API 提取微博数据 | 第26-30页 |
| 3.1.2 利用改进的网络爬虫提取微博数据 | 第30-32页 |
| 3.2 微博信息预处理 | 第32-35页 |
| 3.2.1 去除交互标识符 | 第32-34页 |
| 3.2.2 去除微博中的 URL | 第34页 |
| 3.2.3 过滤广告微博 | 第34-35页 |
| 3.2.4 繁体字转换为简体字 | 第35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于最大树划分的微博热点话题检测方法 | 第36-47页 |
| 4.1 方法的提出 | 第36-39页 |
| 4.1.1 现有微博话题检测方法存在的问题 | 第36-38页 |
| 4.1.2 本文方法的提出 | 第38-39页 |
| 4.2 基于最大树划分的微博热点话题检测方法的思想 | 第39-40页 |
| 4.3 文本建模 | 第40-42页 |
| 4.3.1 中文分词和停用词过滤 | 第41页 |
| 4.3.2 确定空间向量模型的维度 | 第41页 |
| 4.3.3 特征项赋权 | 第41-42页 |
| 4.3.4 构建空间向量模型 | 第42页 |
| 4.4 最大树划分 | 第42-45页 |
| 4.4.1 构造模糊相似矩阵 | 第42-43页 |
| 4.4.2 最大树生成 | 第43-44页 |
| 4.4.3 最大树的聚类划分 | 第44-45页 |
| 4.5 微博话题热度评估 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 实验及结果分析 | 第47-54页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验数据及预处理 | 第47-49页 |
| 5.3 评测标准 | 第49-50页 |
| 5.4 确定语义相似度阈值参数 | 第50-51页 |
| 5.5 话题检测算法性能测试 | 第51-52页 |
| 5.6 结合了语义的计算方法的性能测试 | 第52-53页 |
| 5.7 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 全文工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第61页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第61页 |