话题聚类研究及其应用
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.3 主要工作及成果 | 第13-15页 |
1.3.1 主要工作及创新点 | 第13-14页 |
1.3.2 主要研究成果 | 第14-15页 |
1.4 论文组织结构 | 第15-16页 |
第二章 话题检测的相关理论知识 | 第16-27页 |
2.1 基本概念 | 第16-17页 |
2.1.1 报道 | 第16页 |
2.1.2 事件 | 第16-17页 |
2.1.3 话题 | 第17页 |
2.1.4 网络新闻 | 第17页 |
2.1.5 话题检测与跟踪 | 第17页 |
2.2 网络新闻话题检测与追踪系统框架 | 第17-18页 |
2.3 网络信息采集 | 第18-20页 |
2.4 信息抽取 | 第20-21页 |
2.5 本文向量表示模型 | 第21-22页 |
2.5.1 布尔模型 | 第21页 |
2.5.2 向量空间模型 | 第21-22页 |
2.5.3 语言模型 | 第22页 |
2.6 常见的话题聚类算法 | 第22-25页 |
2.6.1 层次聚类算法 | 第23-24页 |
2.6.2 K-means聚类算法 | 第24页 |
2.6.3 在线增量式话题聚类方法 | 第24-25页 |
2.7 本章小结 | 第25-27页 |
第三章 谱聚类算法及其改进 | 第27-41页 |
3.1 谱图理论 | 第27-28页 |
3.1.1 图划分理论 | 第27页 |
3.1.2 图划分准则 | 第27-28页 |
3.2 谱聚类算法基本知识 | 第28-31页 |
3.2.1 谱聚类算法简介 | 第28-29页 |
3.2.2 基本矩阵介绍 | 第29-30页 |
3.2.3 谱聚类算法基本步骤 | 第30页 |
3.2.4 谱聚类算法存在的问题 | 第30-31页 |
3.3 自适应谱聚类算法 | 第31-35页 |
3.3.1 自适应谱聚类算法的数学推导 | 第32-33页 |
3.3.2 尺度参数的选取 | 第33-34页 |
3.3.3 自适应谱聚类算法详细步骤 | 第34-35页 |
3.4 实验准备及结果分析 | 第35-40页 |
3.4.1 测试集的选取 | 第35-37页 |
3.4.2 实验环境 | 第37页 |
3.4.3 实验结果分析 | 第37-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于自适应谱聚类的话题聚类算法 | 第41-49页 |
4.1 话题聚类算法及实验步骤介绍 | 第41-44页 |
4.1.1 语料库处理 | 第41-42页 |
4.1.2 文本预处理 | 第42-43页 |
4.1.3 特征向量选择 | 第43页 |
4.1.4 构建向量空间模型 | 第43-44页 |
4.1.5 聚类分析 | 第44页 |
4.1.6 结果评价 | 第44页 |
4.2 实验准备及结果分析 | 第44-48页 |
4.2.1 测试集的选取和实验环境 | 第45-46页 |
4.2.2 评价指标 | 第46-47页 |
4.2.3 实验结果分析 | 第47-48页 |
4.3 本章小结 | 第48-49页 |
第五章 在线话题检测的聚类模型 | 第49-60页 |
5.1 类中心模型表示 | 第49页 |
5.2 中心增量式聚类算法 | 第49-52页 |
5.2.1 中心增量式聚类算法基本步骤 | 第49-50页 |
5.2.2 改进的相似度计算公式 | 第50-51页 |
5.2.3 更新话题类中心模型 | 第51-52页 |
5.2.4 无效话题类的删除 | 第52页 |
5.3 话题聚类预聚类 | 第52-53页 |
5.4 增量式二级聚类算法 | 第53-57页 |
5.4.1 概述 | 第53-54页 |
5.4.2 双层检测结构 | 第54-55页 |
5.4.3 子话题层检测 | 第55-56页 |
5.4.4 话题层检测 | 第56-57页 |
5.5 实验准备及结果分析 | 第57-59页 |
5.5.1 实验参数的选取 | 第57-58页 |
5.5.2 实验结果分析 | 第58-59页 |
5.6 本章小结 | 第59-60页 |
第六章 结束语 | 第60-62页 |
6.1 论文工作总结 | 第60页 |
6.2 下一步研究工作 | 第60-62页 |
参考文献 | 第62-65页 |
致谢 | 第65-66页 |
攻读学位期间发表的学术论文目录 | 第66页 |