面向微博的热点话题发现与追踪研究
| 西北师范大学研究生学位论文作者信息 | 第5-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 1. 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国外研究现状 | 第13-17页 |
| 1.2.1 热点话题发现与追踪 | 第13-14页 |
| 1.2.2 热点话题发现研究现状 | 第14-15页 |
| 1.2.3 热点话题追踪研究现状 | 第15-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 2. 相关理论与技术 | 第20-24页 |
| 2.1 文本表示模型 | 第20页 |
| 2.2 文本聚类 | 第20-22页 |
| 2.2.1 pLSA | 第20-21页 |
| 2.2.2 非负矩阵分解 | 第21-22页 |
| 2.3 文本分类 | 第22-24页 |
| 2.3.1 文本分类概述 | 第22页 |
| 2.3.2 相似度计算 | 第22-24页 |
| 3. 微博热点话题发现 | 第24-31页 |
| 3.1 微博数据预处理 | 第24页 |
| 3.2 微博热点话题发现 | 第24-27页 |
| 3.2.1 词共现矩阵 | 第25-26页 |
| 3.2.2 对称非负矩阵分解 | 第26-27页 |
| 3.2.3 主题建模 | 第27页 |
| 3.2.4 热度排序 | 第27页 |
| 3.3 实验结果 | 第27-31页 |
| 3.3.1 实验数据集 | 第28页 |
| 3.3.2 热点关键词可视化 | 第28-29页 |
| 3.3.3 聚类效果分析和比较 | 第29-31页 |
| 4. 微博热点话题追踪 | 第31-41页 |
| 4.1 引言 | 第31页 |
| 4.2 微博热点话题追踪 | 第31-38页 |
| 4.2.1 算法概述 | 第31-32页 |
| 4.2.2 预分类 | 第32页 |
| 4.2.3 关联词矩阵 | 第32-36页 |
| 4.2.4 微博文本模型 | 第36页 |
| 4.2.5 自适应微博话题追踪方法 | 第36-38页 |
| 4.3 实验结果 | 第38-41页 |
| 4.3.1 评价方法 | 第38-39页 |
| 4.3.2 实验数据集 | 第39页 |
| 4.3.3 实验结果与分析 | 第39-41页 |
| 5. 总结与展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 攻读硕士学位期间发表论文及参与项目 | 第47-48页 |
| 致谢 | 第48页 |
