社会媒体短文本聚类研究及应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 短文本表示方法 | 第13-14页 |
| 1.2.2 短文本聚类方法 | 第14-17页 |
| 1.2.3 面向视频应用的聚类研究 | 第17页 |
| 1.3 本文主要研究内容及框架 | 第17-19页 |
| 2 短文本聚类相关技术 | 第19-36页 |
| 2.1 短文本表示方法 | 第19-26页 |
| 2.1.1 向量空间模型 | 第19-20页 |
| 2.1.2 词嵌入方法 | 第20-26页 |
| 2.2 短文本相似度计算 | 第26-28页 |
| 2.2.1 基于向量空间模型的短文本相似度 | 第26-27页 |
| 2.2.2 基于词嵌入方法的短文本相似度 | 第27-28页 |
| 2.3 短文本聚类方法 | 第28-33页 |
| 2.3.1 主题概率模型 | 第28-30页 |
| 2.3.2 非负矩阵分解算法 | 第30-32页 |
| 2.3.3 SPK-means型算法及变形 | 第32-33页 |
| 2.4 文本聚类的评价指标 | 第33-35页 |
| 2.4.1 准确率 | 第34页 |
| 2.4.2 标准化互信息 | 第34页 |
| 2.4.3 F-测度 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 多源文本融合的网络视频聚类方法 | 第36-45页 |
| 3.1 网络视频概述 | 第36页 |
| 3.2 方法的提出与框架构建 | 第36-38页 |
| 3.3 多源文本扩展模型 | 第38-40页 |
| 3.3.1 多源数据描述 | 第38-39页 |
| 3.3.2 文本扩展模型 | 第39-40页 |
| 3.4 实验与分析 | 第40-44页 |
| 3.4.1 数据集描述 | 第40-41页 |
| 3.4.2 实验方案 | 第41页 |
| 3.4.3 实验结果与分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于网络嵌入的短文本聚类方法 | 第45-64页 |
| 4.1 方法的提出与框架构建 | 第45-46页 |
| 4.2 词关联网络 | 第46-48页 |
| 4.2.1 词语关联度计算 | 第46-47页 |
| 4.2.2 词关联网络构建 | 第47-48页 |
| 4.3 基于网络嵌入的词向量学习 | 第48-52页 |
| 4.4 基于密度峰值的短文本聚类 | 第52-54页 |
| 4.5 实验与分析 | 第54-63页 |
| 4.5.0 数据集描述 | 第54-55页 |
| 4.5.1 实验方案 | 第55-57页 |
| 4.5.2 实验结果与分析 | 第57-63页 |
| 4.6 本章小结 | 第63-64页 |
| 5 结论 | 第64-67页 |
| 5.1 研究内容总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
