| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 话题信息抽取研究现状 | 第11-12页 |
| 1.2.2 主题模型研究现状 | 第12-14页 |
| 1.2.3 词序相关研究现状 | 第14-15页 |
| 1.2.4 研究现状小结 | 第15页 |
| 1.3 研究内容及技术路线 | 第15-19页 |
| 1.3.1 研究内容 | 第15-17页 |
| 1.3.2 技术路线 | 第17-19页 |
| 1.4 主要工作及创新点 | 第19-20页 |
| 第二章 相关基础理论研究 | 第20-24页 |
| 2.1 文本抽取技术简介 | 第20-21页 |
| 2.2 主题模型 | 第21-23页 |
| 2.2.1 主题模型的发展 | 第21-22页 |
| 2.2.2 LDA主题模型 | 第22-23页 |
| 2.3 主题抽取相关评价指标 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 LDA-WO混合模型构建 | 第24-33页 |
| 3.1 微博特征分析 | 第24-25页 |
| 3.2 可扩展的LDA主题模型构建 | 第25-27页 |
| 3.3 WO词序模型构建 | 第27-30页 |
| 3.4 LDA-WO混合模型构建 | 第30-32页 |
| 3.4.1 语料相似度判别 | 第30-31页 |
| 3.4.2 特征词组构造 | 第31页 |
| 3.4.3 LDA-WO混合模型结构 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于LDA-WO混合模型的微博有序特征抽取算法设计 | 第33-40页 |
| 4.1 有序特征词组文本主题表示模型 | 第33-34页 |
| 4.2 基于LDA-WO混合模型的微博话题有序特征抽取算法 | 第34-39页 |
| 4.2.1 基于扩展LDA模型的无序主题抽取算法 | 第34-35页 |
| 4.2.2 基于WO词序模型的词序调整算法 | 第35-38页 |
| 4.2.3 基于OPMI的有序特征词组构建算法 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 实验设计与结果分析 | 第40-50页 |
| 5.1 实验环境 | 第40页 |
| 5.2 实验数据 | 第40-42页 |
| 5.2.1 实验数据获取 | 第40页 |
| 5.2.2 实验数据预处理 | 第40-42页 |
| 5.3 基于LDA-WO混合模型的微博话题有序特征抽取对比实验 | 第42-48页 |
| 5.3.1 扩展LDA主题建模 | 第42-45页 |
| 5.3.2 WO特征词词序调整 | 第45-47页 |
| 5.3.3 有序特征词组构造 | 第47-48页 |
| 5.4 实验分析 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 在学期间的研究成果及发表的学术论文 | 第57页 |
