新闻数据中突发话题检测研究
摘要 | 第1-8页 |
ABSTRACT | 第8-11页 |
目录 | 第11-14页 |
第一章 绪论 | 第14-25页 |
·课题的研究背景 | 第14页 |
·新闻标题的定义 | 第14页 |
·话题与突发话题 | 第14-15页 |
·话题检测与跟踪的研究 | 第15-17页 |
·突发话题检测的研究 | 第17-18页 |
·本文的结构安排 | 第18-20页 |
参考文献 | 第20-25页 |
第二章 突发特征检测方法 | 第25-35页 |
·问题定义 | 第25页 |
·概率模型 | 第25-28页 |
·二状态自动机模型 | 第25页 |
·无参数突发特征检测 | 第25-28页 |
·非概率模型 | 第28-32页 |
·基于光谱分析的突发特征检测 | 第28-29页 |
·基于列联表分析的突发特征检测 | 第29-30页 |
·基于差异理论的突发特征检测 | 第30-31页 |
·基于滑动窗口的突发特征检测 | 第31-32页 |
·多方面突发特征的融合 | 第32-33页 |
·小结 | 第33-34页 |
参考文献 | 第34-35页 |
第三章 突发特征置信度优化研究 | 第35-51页 |
·引言 | 第35-36页 |
·KLEINBERG的二状态自动机模型 | 第36-38页 |
·动态规划过程剖析 | 第38-40页 |
·解析度和状态转移代价的作用 | 第40页 |
·突发特征的权重和置信度 | 第40-41页 |
·最优解析度参数存在性证明 | 第41-42页 |
·估计解析度参数 | 第42-43页 |
·实验 | 第43-48页 |
·实验数据描述 | 第43-44页 |
·基线解析度和最佳解析度 | 第44-45页 |
·解析度评估 | 第45-48页 |
·总结 | 第48-49页 |
参考文献 | 第49-51页 |
第四章 突发特征鲁棒性优化研究 | 第51-62页 |
·引言 | 第51-52页 |
·问题定义 | 第52-53页 |
·K-MEANS方法 | 第53-54页 |
·最大熵方法 | 第54-55页 |
·鲁棒最大熵方法 | 第55-56页 |
·实验 | 第56-60页 |
·数据描述 | 第56-57页 |
·实验分析 | 第57-60页 |
·总结 | 第60-61页 |
参考文献 | 第61-62页 |
第五章 突发话题的静态结构研究 | 第62-86页 |
·话题静态结构研究 | 第62-68页 |
·概述 | 第62-63页 |
·PLSI模型简介 | 第63-64页 |
·LDA模型简介 | 第64-67页 |
·词集模型 | 第67页 |
·小结 | 第67-68页 |
·突发话题的静态结构 | 第68-70页 |
·词语共现树 | 第70-71页 |
·关键主题词提取 | 第71-77页 |
·问题定义 | 第71-72页 |
·词语权重度量 | 第72-74页 |
·目标函数求解 | 第74-77页 |
·省略引述特征提取 | 第77-78页 |
·实验数据 | 第78页 |
·聚类算法性能评价 | 第78-82页 |
·降维能力分析 | 第78-79页 |
·平衡性分析 | 第79-80页 |
·簇中心质量评价 | 第80-82页 |
·突发话题检测分析 | 第82-83页 |
·总结 | 第83-84页 |
参考文献 | 第84-86页 |
第六章 突发话题的动态结构研究 | 第86-106页 |
·话题动态结构研究 | 第86-90页 |
·概述 | 第86页 |
·DTM模型简介 | 第86-88页 |
·TOT模型简介 | 第88-89页 |
·小结 | 第89-90页 |
·突发话题的动态结构 | 第90-91页 |
·问题描述 | 第91页 |
·基于弱话题树的标题排序 | 第91-93页 |
·标题排序 | 第93-94页 |
·基于动态规划的排序算法 | 第93页 |
·基于弱话题树的排序 | 第93-94页 |
·基于半随机游走模型的动态主题模型 | 第94-97页 |
·实验 | 第97-103页 |
·数据预处理 | 第97-98页 |
·话题演进序列分析 | 第98-99页 |
·话题演进与突发特征比较 | 第99-103页 |
·总结 | 第103-105页 |
参考文献 | 第105-106页 |
第七章 结束语 | 第106-110页 |
·本文的工作总结 | 第106-108页 |
·未来的工作展望 | 第108-110页 |
攻读博士学位期间发表的学术论文 | 第110-111页 |
致谢 | 第111页 |