微博话题追踪方法研究与设计
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-16页 |
| ·研究背景 | 第11-13页 |
| ·微博的特点 | 第11-12页 |
| ·话题追踪 | 第12-13页 |
| ·论文研究意义 | 第13-14页 |
| ·研究内容及论文结构 | 第14-16页 |
| 2 研究现状 | 第16-25页 |
| ·文本信息处理 | 第16-19页 |
| ·文本表示模型 | 第16-19页 |
| ·微博文本处理 | 第19页 |
| ·话题追踪技术 | 第19-24页 |
| ·聚类介绍 | 第19-22页 |
| ·话题追踪 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 基于VSM的微博文本表示 | 第25-34页 |
| ·基于VSM的微博文本表示流程 | 第25-26页 |
| ·微博模型化过程分析 | 第26-32页 |
| ·文本过滤 | 第26-27页 |
| ·文本预处理 | 第27-28页 |
| ·特征选择 | 第28-30页 |
| ·特征权重计算及改进算法 | 第30-32页 |
| ·实验及结果分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于K-means的微博自适应话题追踪算法 | 第34-44页 |
| ·基本概念介绍 | 第34-36页 |
| ·话题与子话题 | 第34页 |
| ·边界点 | 第34-35页 |
| ·基于查询向量的话题追踪算法 | 第35-36页 |
| ·追踪算法总体流程介绍 | 第36-37页 |
| ·追踪算法 | 第37-39页 |
| ·逆文档频率 | 第37-38页 |
| ·相似度计算 | 第38页 |
| ·动态自适应过程 | 第38-39页 |
| ·话题文摘 | 第39-41页 |
| ·自动文摘 | 第39-40页 |
| ·微博自动文摘算法 | 第40-41页 |
| ·实验及结果分析 | 第41-43页 |
| ·TF-IDF算法与T-TFIDF算法对比试验 | 第41-42页 |
| ·追踪算法对比试验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 微博话题追踪系统设计与实现 | 第44-52页 |
| ·系统功能概述 | 第44页 |
| ·系统总体设计 | 第44-46页 |
| ·系统详细设计与实现 | 第46-50页 |
| ·数据库设计 | 第46-47页 |
| ·微博采集模块 | 第47-48页 |
| ·微博向量化模块 | 第48-49页 |
| ·微博话题追踪模块 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 6 总结与展望 | 第52-55页 |
| ·论文总结 | 第52-53页 |
| ·研究展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 作者简历 | 第57-59页 |
| 学位论文数据集 | 第59页 |
