| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 微博相关概述及微博数据的获取 | 第12-24页 |
| 2.1 微博相关研究 | 第12-16页 |
| 2.1.1 微博概述 | 第12-13页 |
| 2.1.2 微博信息特点 | 第13-14页 |
| 2.1.3 微博传播特点 | 第14-16页 |
| 2.2 基于网络爬虫的网络信息获取 | 第16-18页 |
| 2.2.1 网络爬虫的基本框架 | 第16-17页 |
| 2.2.2 网络爬虫的搜索策略 | 第17-18页 |
| 2.2.3 基于网络爬虫的微博数据获取 | 第18页 |
| 2.3 基于新浪微博API的数据获取 | 第18-23页 |
| 2.3.1 新浪微博API概述 | 第18-19页 |
| 2.3.2 OAuth2.0 用户身份认证 | 第19-22页 |
| 2.3.3 基于新浪微博API的数据获取流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 改进的Single-Pass算法在微博话题检测中的应用研究 | 第24-37页 |
| 3.1 话题检测的具体流程 | 第24页 |
| 3.2 微博数据预处理 | 第24-26页 |
| 3.2.1 过滤噪声信息 | 第24-25页 |
| 3.2.2 分词及词性标注 | 第25页 |
| 3.2.3 去除停用词 | 第25-26页 |
| 3.3 微博文本建模 | 第26-29页 |
| 3.3.1 文本表示 | 第26-27页 |
| 3.3.2 文本特征提取 | 第27-29页 |
| 3.3.3 特征项权重 | 第29页 |
| 3.4 文本相似度计算 | 第29-30页 |
| 3.5 改进的Single-Pass聚类算法 | 第30-36页 |
| 3.5.1 文本聚类算法介绍及Single-Pass算法的改进 | 第30-34页 |
| 3.5.2 实验数据与评价指标 | 第34-35页 |
| 3.5.3 实验结果与分析 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 微博话题检测系统的设计与实现 | 第37-45页 |
| 4.1 微博话题检测系统的设计 | 第37-41页 |
| 4.1.1 微博话题检测系统框架 | 第37-38页 |
| 4.1.2 数据库的设计 | 第38-41页 |
| 4.2 微博话题检测系统的实现 | 第41-44页 |
| 4.2.1 系统运行环境 | 第41-42页 |
| 4.2.2 系统各功能模块的实现 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 结论 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |