| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主题识别方法 | 第9-10页 |
| ·微博主题识别方法 | 第10-11页 |
| ·论文主要内容与组织结构 | 第11-13页 |
| 第二章 相关理论和技术 | 第13-22页 |
| ·主题层次识别 | 第13-14页 |
| ·文本表示模型 | 第14-16页 |
| ·布尔模型 | 第14页 |
| ·向量空间模型 | 第14-15页 |
| ·主题模型 | 第15-16页 |
| ·文本相似度计算 | 第16-18页 |
| ·基于统计的文本相似度计算 | 第17页 |
| ·基于语义的文本相似度计算 | 第17-18页 |
| ·常用的文本聚类算法 | 第18-20页 |
| ·划分方法 | 第19-20页 |
| ·增量聚类方法 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 中文微博数据获取及其预处理 | 第22-29页 |
| ·微博数据传播方式 | 第22页 |
| ·微博数据获取 | 第22-25页 |
| ·传统微博数据获取方法 | 第22-24页 |
| ·基于优质账号的微博数据获取方法 | 第24-25页 |
| ·中文微博数据特点 | 第25页 |
| ·中文微博数据预处理及表示 | 第25-28页 |
| ·数据初始过滤 | 第25-27页 |
| ·文本处理及表示 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 中文微博主题层次识别方法 | 第29-41页 |
| ·LDA主题识别方法及特点 | 第29-32页 |
| ·SINGLEPASS主题识别方法及特点 | 第32页 |
| ·基于LDA和SINGLEPASS的主题层次识别方法LSP | 第32-40页 |
| ·LSP方法概述 | 第33-34页 |
| ·LSP中对SinglePass主题识别方法的改进 | 第34-37页 |
| ·语义与统计相结合的中文微博相似度计算 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 相关实验及结果分析 | 第41-49页 |
| ·实验环境 | 第41页 |
| ·评价指标 | 第41-42页 |
| ·数据的获取与预处理 | 第42页 |
| ·微博文本处理及表示 | 第42-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·首层主题识别实验结果及分析 | 第44-46页 |
| ·子层主题识别实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |