| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 前言 | 第9-17页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和文章结构 | 第13-17页 |
| 1.3.1 网络新闻数据的获取 | 第14页 |
| 1.3.2 新闻数据文档的建模 | 第14页 |
| 1.3.3 新闻网页的分类过程 | 第14-15页 |
| 1.3.4 新闻数据热点话题检测与发现 | 第15页 |
| 1.3.5 利用Hadoop解决海量数据处理问题 | 第15-16页 |
| 1.3.6 文章结构 | 第16-17页 |
| 第二章 网络新闻数据的获取 | 第17-23页 |
| 2.1 网络新闻数据获取相关技术介绍 | 第17-20页 |
| 2.1.1 网络爬虫介绍 | 第17-19页 |
| 2.1.2 网页信息抽取相关技术 | 第19-20页 |
| 2.2 新闻网页信息的获取 | 第20-23页 |
| 2.2.1 网页信息的爬取 | 第21页 |
| 2.2.2 网页内容信息的抽取 | 第21-23页 |
| 第三章 新闻数据文档的建模 | 第23-33页 |
| 3.1 利用向量空间模型建模 | 第23-27页 |
| 3.1.1 新闻文档的分词处理以及特征选择过程 | 第24-25页 |
| 3.1.2 新闻文档中热门新词的识别 | 第25-26页 |
| 3.1.3 利用VSM对新闻文档进行建模 | 第26-27页 |
| 3.2 利用主题模型LDA建模 | 第27-31页 |
| 3.2.1 LDA主题模型介绍 | 第28-30页 |
| 3.2.2 利用LDA主题模型建模 | 第30-31页 |
| 3.3 文档相似度的度量 | 第31-33页 |
| 第四章 新闻热点话题检测与发现 | 第33-46页 |
| 4.1 新闻网页分类 | 第33-38页 |
| 4.1.1 文本分类技术相关介绍 | 第33-35页 |
| 4.1.2 基于质心的文本分类算法的实现 | 第35-38页 |
| 4.2 新闻热点话题检测与发现 | 第38-46页 |
| 4.2.1 文本聚类技术相关介绍 | 第38-41页 |
| 4.2.2 热点话题的初步检测与发现 | 第41-43页 |
| 4.2.3 子类新闻话题的合并 | 第43-46页 |
| 第五章 基于Hadoop的网络新闻热点话题检测与发现的实验 | 第46-61页 |
| 5.1 Hadoop的介绍 | 第46-48页 |
| 5.2 实验的结果 | 第48-61页 |
| 5.2.1 新闻网页数据的抓取 | 第48-50页 |
| 5.2.2 新闻网页的建模 | 第50-53页 |
| 5.2.3 新闻网页的分类 | 第53-56页 |
| 5.2.4 网络热点话题检测与发现 | 第56-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 全文工作总结 | 第61页 |
| 6.2 展望未来 | 第61-63页 |
| 参考文献 | 第63-66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 |