基于维基百科的评论主题词聚类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 研究现状及发展趋势 | 第9-11页 |
| 1.2.1 词聚类算法的研究现状 | 第10页 |
| 1.2.2 词聚类评价方法的研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 本文的组织 | 第11-12页 |
| 第二章 相关工作及研究进展 | 第12-26页 |
| 2.1 网络爬虫 | 第12-17页 |
| 2.1.1 基础技术 | 第12-14页 |
| 2.1.2 网络评论爬虫架构 | 第14-16页 |
| 2.1.3 URL 去重 | 第16-17页 |
| 2.2 文本预处理 | 第17-19页 |
| 2.2.1 中文分词技术介绍 | 第18-19页 |
| 2.3 聚类分析 | 第19-22页 |
| 2.3.1 聚类方法介绍 | 第19-20页 |
| 2.3.2 聚类评价方法 | 第20-22页 |
| 2.4 词聚类介绍 | 第22-25页 |
| 2.4.1 词的特征表示 | 第22-23页 |
| 2.4.2 特征选择方法 | 第23-24页 |
| 2.4.3 基于 hownet 的语义相似度计算 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 评论主题词的提取 | 第26-36页 |
| 3.1 本文提出的方法 | 第26-27页 |
| 3.2 垃圾评论去除 | 第27-28页 |
| 3.3 文本预处理 | 第28页 |
| 3.3.1 去除停用词 | 第28页 |
| 3.4 基于中文语法模式的引入 | 第28-29页 |
| 3.4.1 评论主题词提取模式 | 第28-29页 |
| 3.4.2 主题词构成模式 | 第29页 |
| 3.5 评论主题词的提取 | 第29-31页 |
| 3.5.1 高频主题词提取 | 第29-30页 |
| 3.5.2 剪枝-高频主题词提取 | 第30页 |
| 3.5.3 低频主题词提取 | 第30-31页 |
| 3.6 处理过程 | 第31页 |
| 3.7 实验与分析 | 第31-35页 |
| 3.7.1 实验数据 | 第31-32页 |
| 3.7.2 结果分析 | 第32-35页 |
| 3.8 本章小结 | 第35-36页 |
| 第四章 基于维基百科的评论主题词聚类 | 第36-51页 |
| 4.1 本文提出的方法 | 第36-37页 |
| 4.2 中文维基百科下载 | 第37-38页 |
| 4.2.1 维基百科文章的获取 | 第37-38页 |
| 4.3 基于维基百科的词向量空间模型生成 | 第38-43页 |
| 4.3.1 词的向量空间模型的建立 | 第39-43页 |
| 4.4 相似度计算方法 | 第43-44页 |
| 4.5 词的相似度矩阵生成 | 第44页 |
| 4.6 主题词聚类算法 | 第44-46页 |
| 4.7 实验及结果分析 | 第46-50页 |
| 4.7.1 实验数据 | 第46-47页 |
| 4.7.2 结果分析 | 第47-50页 |
| 4.8 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 研究工作总结 | 第51页 |
| 5.2 未来展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-60页 |
| 详细摘要 | 第60-63页 |
