| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景与研究意义 | 第9-10页 |
| 1.2 课题研究基础 | 第10页 |
| 1.3 本文主要研究内容及创新点 | 第10-12页 |
| 1.3.1 本文主要研究内容 | 第10-11页 |
| 1.3.2 本文研究目标 | 第11页 |
| 1.3.3 本文创新点 | 第11-12页 |
| 1.4 本文结构安排 | 第12-14页 |
| 第二章 短文本流摘要抽取系统的关键技术 | 第14-23页 |
| 2.1 文本聚类技术 | 第14-16页 |
| 2.1.1 文本聚类技术简介 | 第14-15页 |
| 2.1.2 层次聚类算法 | 第15-16页 |
| 2.2 文本增量聚类技术 | 第16-19页 |
| 2.2.1 文本增量聚类技术简介 | 第16-17页 |
| 2.2.2 Single Pass增量聚类算法 | 第17-19页 |
| 2.3 短文本聚类技术 | 第19-20页 |
| 2.4 主题模型技术 | 第20-21页 |
| 2.4.1 主题模型技术简介 | 第20页 |
| 2.4.2 LDA主题模型 | 第20-21页 |
| 2.5 文本摘要抽取技术 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于Single Pass的短文本流摘要抽取技术 | 第23-39页 |
| 3.1 短文本的数据特征 | 第23-25页 |
| 3.2 短文本相似性偏移问题 | 第25-26页 |
| 3.3 短文本的特征表示 | 第26-27页 |
| 3.4 改进的短文本与簇相似性计算 | 第27-30页 |
| 3.4.1 簇内聚合度 | 第27-28页 |
| 3.4.2 簇主题词抽取 | 第28-29页 |
| 3.4.3 主题词相似性 | 第29-30页 |
| 3.4.4 改进的短文本与簇相似性计算 | 第30页 |
| 3.5 基于Single Pass的短文本流摘要抽取算法 | 第30-32页 |
| 3.6 算法评价指标 | 第32-34页 |
| 3.6.1 增量聚类算法的评价指标 | 第32-33页 |
| 3.6.2 摘要抽取算法的评价指标 | 第33-34页 |
| 3.7 实验结果对比与分析 | 第34-38页 |
| 3.7.1 短文本流增量聚类算法评估 | 第34-37页 |
| 3.7.2 短文本流摘要抽取算法评估 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第四章 基于主题模型的短文本流摘要抽取技术 | 第39-46页 |
| 4.1 微博话题的长尾效应 | 第39-40页 |
| 4.2 改进的增量层次聚类算法 | 第40-41页 |
| 4.3 基于主题模型的短文本流摘要抽取算法 | 第41-43页 |
| 4.4 实验结果对比与分析 | 第43-44页 |
| 4.4.1 短文本流增量聚类算法评估 | 第43页 |
| 4.4.2 短文本流摘要抽取算法评估 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 海量短文本流摘要抽取系统 | 第46-52页 |
| 5.1 Storm实时数据处理系统 | 第46-48页 |
| 5.1.1 Storm实时数据处理系统的特点 | 第46页 |
| 5.1.2 Storm实时数据处理系统的结构 | 第46-48页 |
| 5.2 系统的总体框架 | 第48页 |
| 5.3 系统各功能模块的设计与实现 | 第48-51页 |
| 5.3.1 实验数据源 | 第48页 |
| 5.3.2 数据预处理模块 | 第48-50页 |
| 5.3.3 消息中间件 | 第50页 |
| 5.3.4 短文本流摘要抽取模块 | 第50-51页 |
| 5.3.5 MongoDB集群 | 第51页 |
| 5.3.6 信息检索模块 | 第51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 结束语 | 第52-54页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 未来研究方向 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 缩写说明 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者攻读学位期间发表的学术论文目录 | 第59页 |