增量文本聚类在舆情监控中的研究与实现
| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第1章 绪论 | 第14-24页 |
| ·课题研究的背景与意义 | 第14-16页 |
| ·舆情监控综述 | 第16-18页 |
| ·舆情监控综述 | 第16-17页 |
| ·舆情监控系统工作流程 | 第17-18页 |
| ·增量文本聚类 | 第18-19页 |
| ·国内外研究现状 | 第19-22页 |
| ·本文研究的主要内容和论文结构 | 第22-24页 |
| 第2章 文本聚类的关键技术 | 第24-44页 |
| ·引言 | 第24页 |
| ·文本的数字化表示 | 第24-27页 |
| ·文档的分词技术 | 第27-28页 |
| ·文本间相似度计算 | 第28-32页 |
| ·定义距离的方法 | 第29-31页 |
| ·定义相似度的方法 | 第31-32页 |
| ·文本聚类 | 第32-38页 |
| ·文本的特征抽取后的空间降维 | 第32-33页 |
| ·聚类相关技术 | 第33-37页 |
| ·增量文本聚类中文本的数字化表示 | 第37-38页 |
| ·文本聚类结果评价 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 多代表点动态索引树文本聚类算法 | 第44-57页 |
| ·引言 | 第44页 |
| ·动态索引树聚类算法 | 第44-47页 |
| ·动态索引树结构 | 第45-46页 |
| ·相似性度量 | 第46页 |
| ·聚类过程 | 第46-47页 |
| ·动态索引树聚类算法的局限性 | 第47-48页 |
| ·多代表点动态索引树聚类算法 | 第48-53页 |
| ·节点代表点的选择 | 第49-51页 |
| ·相似性度量 | 第51页 |
| ·聚类过程 | 第51-52页 |
| ·时间复杂度比较 | 第52-53页 |
| ·噪声点的选取 | 第53页 |
| ·聚类类簇的表示 | 第53-54页 |
| ·算法效果与结果评价 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 多代表点动态索引树增量文本聚类 | 第57-63页 |
| ·引言 | 第57页 |
| ·相似度计算 | 第57-58页 |
| ·多代表点增量文本聚类 | 第58-60页 |
| ·新类的判定 | 第60页 |
| ·算法效果与结果评价 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 增量文本聚类框架设计 | 第63-72页 |
| ·框架设计思想与目标 | 第63页 |
| ·框架设计 | 第63-64页 |
| ·功能组件设计 | 第64-70页 |
| ·存储系统组件 | 第64-66页 |
| ·文本处理模块组件 | 第66-68页 |
| ·增量文本聚类功能组件 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 第6章 网络舆情分析系统的设计与实现 | 第72-79页 |
| ·系统结构 | 第73-75页 |
| ·工作流程 | 第75页 |
| ·各模块的实现 | 第75-77页 |
| ·信息采集模块 | 第75-76页 |
| ·聚类模块 | 第76页 |
| ·用户交互界面 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第7章 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·研究内容 | 第79页 |
| ·工作基础和特色 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士期间取得研究成果 | 第86-87页 |
| 致谢 | 第87页 |
