网络舆情的热点检测及趋势分析研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·话题检测研究现状 | 第11-12页 |
| ·趋势分析及预测研究现状 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 相关工作及关键技术 | 第16-27页 |
| ·话题检测的关键技术 | 第16-24页 |
| ·话题的基本概念 | 第16-17页 |
| ·新闻文本模型表示 | 第17-19页 |
| ·文本特征提取 | 第19-21页 |
| ·文本相似度计算 | 第21-22页 |
| ·文本聚类算法 | 第22-24页 |
| ·话题趋势分析 | 第24-26页 |
| ·回归分析 | 第24-25页 |
| ·趋势分析的相关工作 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于改进向量空间的热点话题发现 | 第27-54页 |
| ·文本预处理 | 第27-29页 |
| ·中文分词 | 第27-28页 |
| ·去除停用词 | 第28页 |
| ·特征提取 | 第28-29页 |
| ·基于多向量空间的相似度计算 | 第29-31页 |
| ·文本的多向量空间表示 | 第29-31页 |
| ·多个相似度整合 | 第31页 |
| ·建立报道与话题模型 | 第31-33页 |
| ·报道模型 | 第31-32页 |
| ·话题模型 | 第32-33页 |
| ·话题检测算法 | 第33-36页 |
| ·传统话题检测算法 | 第33页 |
| ·基于多层聚类的话题检测 | 第33-36页 |
| ·热点话题发现 | 第36-44页 |
| ·热点话题特征分析 | 第37-38页 |
| ·热点话题分析指标 | 第38-41页 |
| ·热点话题发现算法 | 第41-44页 |
| ·实验结果与分析 | 第44-52页 |
| ·实验环境及平台 | 第44页 |
| ·实验数据 | 第44-45页 |
| ·评测标准 | 第45页 |
| ·实验结果与分析 | 第45-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 热点话题趋势分析及预测 | 第54-71页 |
| ·热点话题趋势预测目标 | 第54页 |
| ·话题趋势指标 | 第54-55页 |
| ·话题趋势分析 | 第55-60页 |
| ·话题趋势计算 | 第56-58页 |
| ·话题趋势建模 | 第58-60页 |
| ·话题趋势预测 | 第60-66页 |
| ·趋势预测框架 | 第62页 |
| ·趋势预测算法 | 第62-66页 |
| ·实验结果与分析 | 第66-69页 |
| ·实验环境与平台 | 第66页 |
| ·实验数据 | 第66-67页 |
| ·评测标准 | 第67页 |
| ·实验结果与分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
