维吾尔语新闻话题识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·本文研究的背景及意义 | 第7页 |
| ·本文的主要工作 | 第7-8页 |
| ·本文的论文组织 | 第8-10页 |
| 第二章 话题识别与跟踪技术 | 第10-18页 |
| ·国内外综述 | 第10-12页 |
| ·话题识别与跟踪 | 第12-17页 |
| ·话题识别相关术语 | 第12-13页 |
| ·研究任务及主要技术 | 第13页 |
| ·新闻数据流切分 | 第13-14页 |
| ·新事件识别 | 第14页 |
| ·报道关系识别 | 第14页 |
| ·话题识别 | 第14-15页 |
| ·话题跟踪 | 第15页 |
| ·话题识别与跟踪的研究历史 | 第15-16页 |
| ·系统评价 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 维吾尔语新闻话题识别技术 | 第18-35页 |
| ·现代维吾尔语 | 第18页 |
| ·现代维吾尔语的特点 | 第18-19页 |
| ·维吾尔语新闻话题识别 | 第19页 |
| ·维吾尔语新闻话题识别流程 | 第19-20页 |
| ·新闻文本分析及预处理 | 第20-21页 |
| ·停用词处理 | 第20-21页 |
| ·新闻文本词性标注 | 第21页 |
| ·新闻报道的表示 | 第21-27页 |
| ·向量空间模型 | 第22-24页 |
| ·TFIDF 权重 | 第22-23页 |
| ·权重公式的改进 | 第23-24页 |
| ·后缀树文本模型 | 第24-26页 |
| ·文本的相似度计算 | 第26-27页 |
| ·余弦相似度 | 第27页 |
| ·新闻类簇的相似度计算 | 第27页 |
| ·维吾尔语的新闻要素 | 第27-31页 |
| ·新闻报道的时间 | 第29-30页 |
| ·新闻报道时间窗口 | 第30-31页 |
| ·新闻文本特征降维 | 第31-32页 |
| ·新闻特征选择 | 第31-32页 |
| ·实验数据 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 新闻话题识别算法 | 第35-57页 |
| ·Single Pass 聚类算法 | 第35-36页 |
| ·平均分组聚类算法 | 第36页 |
| ·KMeans 算法 | 第36-37页 |
| ·后缀树聚类算法 | 第37-39页 |
| ·改进的维吾尔语后缀树聚类算法 | 第39-43页 |
| ·改进的维吾尔语新闻话题识别流程 | 第39-40页 |
| ·算法描述 | 第40-41页 |
| ·短语类簇 | 第41页 |
| ·聚类阈值调整 | 第41页 |
| ·合并基本类簇 | 第41-42页 |
| ·相似度公式改进 | 第42页 |
| ·聚类标签识别 | 第42-43页 |
| ·两种后缀树聚类算法性能比较 | 第43-46页 |
| ·近邻传播算法 | 第46-52页 |
| ·参数调整 | 第48页 |
| ·相似度测量 | 第48-49页 |
| ·半监督聚类 | 第49页 |
| ·AP 算法速度改进 | 第49-50页 |
| ·聚类算法的综合 | 第50-51页 |
| ·AP 算法的应用 | 第51-52页 |
| ·数据集的特征方面改进 | 第52页 |
| ·AP 算法时间复杂度分析 | 第52页 |
| ·维吾尔语话题识别原型系统 | 第52-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结和展望 | 第57-59页 |
| ·本文的主要工作 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 在读研究生期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
