基于文本的网络舆情话题跟踪的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外相关技术研究历史及现状 | 第10-14页 |
| ·海量信息采集技术 | 第10-11页 |
| ·中文分词 | 第11-12页 |
| ·TDT技术 | 第12-14页 |
| ·论文主要研究内容及组织结构 | 第14-17页 |
| ·论文主要工作 | 第14-15页 |
| ·全文组织结构 | 第15-17页 |
| 第二章 相关技术分析 | 第17-25页 |
| ·信息采集技术 | 第17-21页 |
| ·网络爬虫基本结构 | 第17-18页 |
| ·适合网络舆情话题跟踪系统的网络爬虫 | 第18-20页 |
| ·文本提取 | 第20-21页 |
| ·中文分词技术 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 话题跟踪关键技术 | 第25-35页 |
| ·TDT技术基本概念及研究任务 | 第25-28页 |
| ·话题的基本概念 | 第25-26页 |
| ·TDT研究任务 | 第26-28页 |
| ·关键技术 | 第28-33页 |
| ·话题及报道模型 | 第28-29页 |
| ·文本特征项选择及权重计算 | 第29-31页 |
| ·相似度计算 | 第31-32页 |
| ·阈值确定 | 第32页 |
| ·文本聚类 | 第32-33页 |
| ·话题跟踪评估指标 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 话题跟踪算法研究 | 第35-45页 |
| ·传统话题跟踪 | 第35页 |
| ·自适应话题跟踪 | 第35-36页 |
| ·基于话题更新的自适应话题跟踪算法的实现 | 第36-38页 |
| ·基于时间信息的自适应话题跟踪 | 第38-43页 |
| ·概述 | 第38-40页 |
| ·基于时间信息的相似度调整的自适应话题跟踪算法 | 第40-41页 |
| ·基于时间信息的动态阈值的自适应话题跟踪算法 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 网络舆情话题跟踪系统设计与实现 | 第45-53页 |
| ·系统总体设计方案 | 第45-47页 |
| ·系统功能概述 | 第45-46页 |
| ·话题跟踪流程 | 第46-47页 |
| ·各子模块的实现 | 第47-51页 |
| ·信息采集模块的实现 | 第47页 |
| ·信息预处理模块的实现 | 第47-50页 |
| ·话题/报道建模模块实现 | 第50页 |
| ·话题跟踪模块实现 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 实验及分析 | 第53-61页 |
| ·实验设计 | 第53-54页 |
| ·实验环境及平台 | 第53页 |
| ·影响话题跟踪的因素 | 第53-54页 |
| ·话题跟踪的实验语料集 | 第54页 |
| ·实验设计 | 第54页 |
| ·实验结果及分析 | 第54-59页 |
| ·本章小结 | 第59-61页 |
| 第七章 总结及展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A：攻读硕士学位期间发表的论文 | 第70-71页 |
| 附录B：攻读硕士学位期间参与的项目 | 第71页 |
