热点新闻间关系的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·话题检测与跟踪的研究 | 第10-11页 |
| ·Web 搜索结果聚类的研究 | 第11-12页 |
| ·主要研究内容 | 第12-14页 |
| ·论文的组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 词语的话题权重计算方法 | 第15-20页 |
| ·概述 | 第15页 |
| ·动机 | 第15-16页 |
| ·TF-IDF 权重 | 第16-17页 |
| ·IDF 权重 | 第17-18页 |
| ·显著权重 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 相似度计算方法 | 第20-30页 |
| ·概述 | 第20-21页 |
| ·重叠相似度 | 第21-22页 |
| ·词序相似度 | 第22-23页 |
| ·语义相似度 | 第23-27页 |
| ·基于《知网》的词语相似度 | 第23-24页 |
| ·基于《同义词词林》(扩展版)的词语相似度 | 第24-26页 |
| ·语义相似度计算方法 | 第26-27页 |
| ·话题权重相似度 | 第27页 |
| ·第二层相似度 | 第27-29页 |
| ·组合相似度 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 话题关系识别 | 第30-38页 |
| ·概述 | 第30页 |
| ·正交聚类算法 | 第30-31页 |
| ·K-MEANS聚类算法 | 第31-33页 |
| ·凝聚聚类算法 | 第33-34页 |
| ·话题数 | 第34-35页 |
| ·参数确定 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 实验 | 第38-59页 |
| ·概述 | 第38页 |
| ·实验系统 | 第38-41页 |
| ·数据标注系统 | 第41-42页 |
| ·数据集 | 第42-44页 |
| ·评价标准 | 第44-45页 |
| ·话题关系识别效果 | 第45-47页 |
| ·算法时间分析 | 第47-48页 |
| ·相似度计算方法的有效性 | 第48-58页 |
| ·利用K-means 聚类算法评估 | 第48-52页 |
| ·利用凝聚聚类算法评估 | 第52-56页 |
| ·有效性分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 全文总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录1 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间已发表或录用的论文 | 第69-71页 |
