互联网媒体信息热点主动发现关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究的目的和意义 | 第10-11页 |
| ·研究现状 | 第11页 |
| ·本文内容组织安排 | 第11-13页 |
| 第二章 核心聚类算法 | 第13-25页 |
| ·聚类算法研究现状 | 第13-15页 |
| ·基于划分的聚类方法 | 第13-14页 |
| ·基于分层的聚类方法 | 第14页 |
| ·基于密度的聚类方法 | 第14页 |
| ·基于网格的聚类方法 | 第14-15页 |
| ·基于模型的聚类方法 | 第15页 |
| ·聚类算法的性能要求 | 第15-16页 |
| ·文本聚类经典算法 | 第16-19页 |
| ·K-Means 法 | 第16页 |
| ·CURE 法 | 第16-17页 |
| ·DBSCAN 法 | 第17页 |
| ·SOM 法 | 第17-18页 |
| ·文本聚类算法的比较总结 | 第18-19页 |
| ·DCFK 聚类算法的设计与实现 | 第19-24页 |
| ·聚类问题的数学描述 | 第19-20页 |
| ·聚类特性的概念及其性质 | 第20-21页 |
| ·CFK-Means 算法概述 | 第21-22页 |
| ·DCFK 算法介绍与过程实现 | 第22-24页 |
| ·DCFK 算法介绍 | 第22-23页 |
| ·DCFK 算法过程实现 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 互联网媒体信息热点主动发现系统的总体设计 | 第25-28页 |
| ·系统功能介绍 | 第25页 |
| ·系统结构设计 | 第25-26页 |
| ·系统开发环境 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第四章 互联网媒体信息热点主动发现系统的详细设计 | 第28-49页 |
| ·文本处理相关技术 | 第28-38页 |
| ·文本分词 | 第28-31页 |
| ·新词识别 | 第31-33页 |
| ·文本表示 | 第33-35页 |
| ·特征选择 | 第35-36页 |
| ·降维算法 | 第36-37页 |
| ·特征值权重选择 | 第37-38页 |
| ·网页预处理 | 第38-41页 |
| ·网页结构特征 | 第38-39页 |
| ·网页预处理的过程 | 第39-41页 |
| ·文本分词 | 第41-43页 |
| ·文本表示 | 第43-45页 |
| ·分词结果加权表示 | 第43-44页 |
| ·特征选择 | 第44页 |
| ·向量表示 | 第44页 |
| ·相似度计算 | 第44-45页 |
| ·核心聚类 | 第45页 |
| ·新词识别 | 第45-48页 |
| ·新词定义 | 第45-46页 |
| ·文本内串频计算方法 | 第46页 |
| ·信息热点间字串频度统计 | 第46页 |
| ·字结构组合规则 | 第46-47页 |
| ·加权处理 | 第47页 |
| ·垃圾串处理 | 第47页 |
| ·结果及论述 | 第47-48页 |
| ·热点描述 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 热点描述 | 第49-56页 |
| ·自动摘要原理 | 第49-50页 |
| ·自动摘要研究现状 | 第50-54页 |
| ·自动摘录 | 第50-51页 |
| ·基于理解的自动文摘 | 第51-52页 |
| ·信息抽取 | 第52-53页 |
| ·基于结构的自动文摘 | 第53-54页 |
| ·热点描述信息的生成 | 第54-55页 |
| ·结果与分析 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第六章 系统性能评估 | 第56-60页 |
| ·性能评估环境 | 第56页 |
| ·性能评估过程 | 第56-57页 |
| ·性能评估结果与分析 | 第57-60页 |
| 第七章 结束语 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
