基于事件—时间关联模型的新闻话题检测与动态演化跟踪
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外相关研究综述 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 本文组织结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-25页 |
| 2.1 话题检测与跟踪系统研究体系 | 第16-18页 |
| 2.1.1 话题检测与跟踪的定义及任务 | 第16-17页 |
| 2.1.2 话题检测与跟踪的基本流程 | 第17-18页 |
| 2.2 新闻数据采集与文本预处理 | 第18-19页 |
| 2.2.1 新闻数据采集 | 第18页 |
| 2.2.2 新闻网页文本预处理 | 第18-19页 |
| 2.3 新闻文本表示模型 | 第19-21页 |
| 2.4 文本特征选择及其权重计算 | 第21-23页 |
| 2.4.1 文本特征选择 | 第21页 |
| 2.4.2 特征权重计算 | 第21-22页 |
| 2.4.3 基于文档频率改进的特征权重计算 | 第22-23页 |
| 2.5 文本相似度的计算 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于事件-时间关联模型的话题检测方法 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 事件-时间关联模型描述 | 第25-27页 |
| 3.2.1 构建事件-时间关联的向量模型 | 第25-27页 |
| 3.2.2 ETRM话题模型的动态更新 | 第27页 |
| 3.3 新闻事件及其时间信息的识别与抽取 | 第27-29页 |
| 3.3.1 新闻事件的识别与抽取 | 第27-28页 |
| 3.3.2 事件时间信息的抽取与表示 | 第28-29页 |
| 3.4 融合时间信息改进的话题检测原理 | 第29-31页 |
| 3.4.1 时间信息在话题检测过程中的应用策略 | 第29-30页 |
| 3.4.2 基于时间频率改进的相关性判定策略 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于时间特征演变的自适应话题跟踪研究 | 第32-39页 |
| 4.1 引言 | 第32页 |
| 4.2 基于静态话题模型的话题跟踪 | 第32-34页 |
| 4.2.1 静态话题模型的基本结构 | 第32-33页 |
| 4.2.2 静态话题跟踪系统的基本原理 | 第33页 |
| 4.2.3 静态话题模型在跟踪过程中的非适应性 | 第33-34页 |
| 4.3 基于动态话题模型的自适应话题跟踪 | 第34-35页 |
| 4.3.1 动态话题跟踪系统的基本原理 | 第34-35页 |
| 4.3.2 动态话题模型的自适应跟踪过程 | 第35页 |
| 4.4 基于时间特征演变模型的自适应话题跟踪 | 第35-38页 |
| 4.4.1 引入时间特征的话题模型描述 | 第35-36页 |
| 4.4.2 基于时间分布属性的相似度计算 | 第36-37页 |
| 4.4.3 时间特征话题模型的动态更新 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 实验设计与结果分析 | 第39-49页 |
| 5.1 实验语料介绍 | 第39-40页 |
| 5.2 实验测评方法 | 第40-41页 |
| 5.3 话题检测系统实验 | 第41-43页 |
| 5.3.1 实验内容设计 | 第41-42页 |
| 5.3.2 实验结果与分析 | 第42-43页 |
| 5.4 话题跟踪系统实验 | 第43-48页 |
| 5.4.1 实验内容设计 | 第43-44页 |
| 5.4.2 实验结果与分析 | 第44-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |
