| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 基本概念 | 第8页 |
| 1.3 研究简介 | 第8-11页 |
| 1.4 本文的主要工作 | 第11页 |
| 1.5 本文的贡献 | 第11页 |
| 1.6 论文的组织结构 | 第11-13页 |
| 第二章 话题与报道的模型表示 | 第13-16页 |
| 2.1 话题、报道的模型表示 | 第13-14页 |
| 2.1.1 语言模型(LM) | 第13页 |
| 2.1.2 空间向量模型(VSM) | 第13-14页 |
| 2.2 特征词选取与权值计算 | 第14-15页 |
| 2.2.1 布尔权重法 | 第14页 |
| 2.2.2 TF-IDF 法 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 基于自适应重心向量的话题检测算法 | 第16-20页 |
| 3.1 报道与话题的空间向量表示 | 第16-17页 |
| 3.1.1 报道的空间向量表示 | 第16-17页 |
| 3.1.2 话题的空间向量表示 | 第17页 |
| 3.2 相似度的计算 | 第17-18页 |
| 3.3 基于自适应重心向量的话题检测算法 | 第18-19页 |
| 3.4 本章小结 | 第19-20页 |
| 第四章 改进的基于自适应重心向量的话题检测算法 | 第20-24页 |
| 4.1 聚类算法 | 第20-22页 |
| 4.1.1 基于密度分布的初始聚类中心选取方法 | 第20-21页 |
| 4.1.2 改进的基于密度分布与距离的初始聚类选取方法 | 第21-22页 |
| 4.2 改进的基于自适应重心向量的话题检测算法 | 第22-23页 |
| 4.3 本章小结 | 第23-24页 |
| 第五章 实验与分析 | 第24-29页 |
| 5.1 开发平台 | 第24页 |
| 5.2 性能评价指标 | 第24-25页 |
| 5.2.1 F 值评价方法 | 第24-25页 |
| 5.2.2 检测代价评价方法 | 第25页 |
| 5.3 实验数据 | 第25页 |
| 5.4 实验结果与分析 | 第25-28页 |
| 5.4.1 初始话题生成结果 | 第25-27页 |
| 5.4.2 话题检测结果 | 第27-28页 |
| 5.5 本章小结 | 第28-29页 |
| 总结与展望 | 第29-30页 |
| 参考文献 | 第30-34页 |
| 致谢 | 第34-35页 |
| 在学期间公开发表论文及著作情况 | 第35页 |