基于文本聚类的微博信息分析的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究的背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文研究内容 | 第11页 |
| ·本文的组织结构 | 第11-13页 |
| 第2章 微博信息分析方法的分析 | 第13-19页 |
| ·微博文本信息的特点 | 第13页 |
| ·微博信息分析方法的比较与选择 | 第13-18页 |
| ·常用的微博信息分析方法 | 第14-17页 |
| ·微博信息分析方法的选择 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 基于文本聚类的微博信息分析处理流程 | 第19-40页 |
| ·文本聚类概述 | 第19-21页 |
| ·文本聚类的基本思想 | 第19页 |
| ·文本聚类的处理过程 | 第19-20页 |
| ·文本聚类的主要应用 | 第20-21页 |
| ·微博信息预处理 | 第21-23页 |
| ·微博文本噪音分析 | 第21-22页 |
| ·分词技术 | 第22-23页 |
| ·停用词过滤 | 第23页 |
| ·微博文本表示 | 第23-32页 |
| ·文本表示模型的对比及选择 | 第24-25页 |
| ·特征降维方法的分析对比 | 第25-30页 |
| ·文本特征权重计算 | 第30-32页 |
| ·聚类处理 | 第32-39页 |
| ·文本相似度的含义 | 第33页 |
| ·相似度计算方法 | 第33-35页 |
| ·主要聚类算法分类 | 第35-37页 |
| ·聚类效果评价指标 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于文本聚类的微博信息分析的实现 | 第40-57页 |
| ·预处理实现 | 第40-43页 |
| ·文本去噪 | 第40-41页 |
| ·分词及相关处理 | 第41-43页 |
| ·文本表示过程 | 第43-47页 |
| ·向量空间模型 | 第43-44页 |
| ·特征选择的实现 | 第44-45页 |
| ·TF-IDF 权重计算 | 第45-47页 |
| ·文本聚类算法的选择及实现过程 | 第47-55页 |
| ·文本聚类算法的比较标准 | 第47页 |
| ·文本聚类算法优缺点分析 | 第47-49页 |
| ·k-means 聚类算法 | 第49-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 实验及结果分析 | 第57-69页 |
| ·实验环境 | 第57页 |
| ·实验数据 | 第57页 |
| ·实验过程 | 第57-60页 |
| ·实验结果评价 | 第60-68页 |
| ·特征维数对聚类结果的影响 | 第64-66页 |
| ·距离对聚类结果的影响 | 第66-68页 |
| ·实验结论 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结和展望 | 第69-71页 |
| ·研究工作总结 | 第69页 |
| ·未来工作的展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |
