面向网络新闻的热点话题发现与极性分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 热点话题发现国内外研究现状 | 第10-12页 |
| 1.2.2 极性分析国内外研究现状 | 第12-14页 |
| 1.3 论文内容及组织结构 | 第14-17页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-17页 |
| 第2章 相关理论和关键技术 | 第17-28页 |
| 2.1 文本预处理 | 第17-19页 |
| 2.1.1 中文分词 | 第17-19页 |
| 2.1.2 停用词过滤 | 第19页 |
| 2.2 文本表示与相似度计算 | 第19-22页 |
| 2.2.1 文本表示模型 | 第19-20页 |
| 2.2.2 文本相似度计算 | 第20-22页 |
| 2.3 文本聚类算法 | 第22-26页 |
| 2.3.1 传统的文本聚类算法 | 第22-24页 |
| 2.3.2 Single-Pass聚类算法 | 第24-26页 |
| 2.4 极性分析方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 网络新闻的热点话题发现 | 第28-59页 |
| 3.1 新闻页面的采集与抽取 | 第29-34页 |
| 3.2 基于VSM的新闻文本表示 | 第34-38页 |
| 3.2.1 新闻特征项选择 | 第35-36页 |
| 3.2.2 特征项权重计算 | 第36-38页 |
| 3.3 话题发现算法的改进 | 第38-43页 |
| 3.3.1 文本相似度计算方法的改进 | 第38-40页 |
| 3.3.2 文本聚类算法的改进 | 第40-43页 |
| 3.4 话题热度评估 | 第43-48页 |
| 3.4.1 影响话题热度的指标 | 第43-47页 |
| 3.4.2 话题热度值计算 | 第47-48页 |
| 3.5 热点话题发现应用与分析 | 第48-57页 |
| 3.5.1 新闻数据选取与评价指标 | 第48-49页 |
| 3.5.2 话题发现算法有效性验证 | 第49-54页 |
| 3.5.3 热点话题发现实例展示 | 第54-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第4章 热点话题的极性分析 | 第59-78页 |
| 4.1 极性词典的构建 | 第60-66页 |
| 4.1.1 基础情感词 | 第61-63页 |
| 4.1.2 否定词与程度副词 | 第63-65页 |
| 4.1.3 网络用语与评价对象 | 第65-66页 |
| 4.2 语义规则归纳 | 第66-68页 |
| 4.2.1 主观句辨别规则 | 第66页 |
| 4.2.2 评价对象抽取规则 | 第66-67页 |
| 4.2.3 情感词与修饰词组合规则 | 第67页 |
| 4.2.4 转折句与歧义词处理规则 | 第67-68页 |
| 4.3 热点话题极性值计算 | 第68-70页 |
| 4.4 热点话题极性分析应用与分析 | 第70-77页 |
| 4.4.1 评论数据选取与评价指标 | 第70-71页 |
| 4.4.2 极性分析有效性验证 | 第71-74页 |
| 4.4.3 热点话题极性分析实例展示 | 第74-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第5章 总结与展望 | 第78-80页 |
| 5.1 论文总结 | 第78-79页 |
| 5.2 工作展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读学位期间公开发表论文 | 第85-86页 |
| 致谢 | 第86页 |
