中文微博新词与热点话题发现技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题选题背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 新词发现技术 | 第10-11页 |
| 1.2.2 微博热点话题发现技术 | 第11-12页 |
| 1.3 本文主要内容与组织结构 | 第12-14页 |
| 1.3.1 本文主要研究内容 | 第12-13页 |
| 1.3.2 组织结构 | 第13-14页 |
| 第二章 相关背景知识与技术简介 | 第14-26页 |
| 2.1 微博及其特点 | 第14-15页 |
| 2.1.1 微博简介 | 第14-15页 |
| 2.1.2 微博特点 | 第15页 |
| 2.2 相关概念 | 第15-17页 |
| 2.2.1 新词 | 第15-16页 |
| 2.2.2 热点话题 | 第16-17页 |
| 2.3 特征选择 | 第17-19页 |
| 2.3.1 互信息 | 第17-18页 |
| 2.3.2 文档频率 | 第18页 |
| 2.3.3 信息增益 | 第18-19页 |
| 2.4 文本模型 | 第19-21页 |
| 2.4.1 布尔模型 | 第19页 |
| 2.4.2 向量空间模型 | 第19-20页 |
| 2.4.3 统计语言模型 | 第20-21页 |
| 2.5 聚类算法 | 第21-24页 |
| 2.5.1 基于密度的聚类算法 | 第21页 |
| 2.5.2 基于划分的聚类算法 | 第21-22页 |
| 2.5.3 层次聚类算法 | 第22-24页 |
| 2.5.4 其他聚类算法 | 第24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 微博新词发现 | 第26-41页 |
| 3.1 新词模式分析 | 第26-27页 |
| 3.2 微博新词发现流程 | 第27-28页 |
| 3.3 候选新词提取 | 第28-32页 |
| 3.3.1 预处理 | 第29-30页 |
| 3.3.2 分词 | 第30页 |
| 3.3.3 候选新词提取算法 | 第30-32页 |
| 3.4 基于C RF的微博新词发现 | 第32-35页 |
| 3.4.1 条件随机场（C RF）模型简介 | 第32-33页 |
| 3.4.2 条件随机场特点 | 第33页 |
| 3.4.3 算法描述 | 第33-35页 |
| 3.5 实验与结果分析 | 第35-40页 |
| 3.5.1 实验条件 | 第35-36页 |
| 3.5.2 评价标准 | 第36页 |
| 3.5.3 实验结果与分析 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 微博热点话题发现 | 第41-58页 |
| 4.1 微博热点话题发现算法思想 | 第41-42页 |
| 4.1.1 传统热点话题发现算法思想 | 第41页 |
| 4.1.2 微博热点发现算法思想 | 第41-42页 |
| 4.2 微博文本建模 | 第42-46页 |
| 4.2.1 微博文本预处理 | 第42-43页 |
| 4.2.2 构建文本模型 | 第43-46页 |
| 4.3 微博热点话题发现算法 | 第46-53页 |
| 4.3.1 话题相似度计算 | 第46-49页 |
| 4.3.2 微博热点话题发现算法描述 | 第49-53页 |
| 4.4 实验与分析 | 第53-56页 |
| 4.4.1 实验数据 | 第53页 |
| 4.4.2 实验评价标准 | 第53页 |
| 4.4.3 相似度参数确定 | 第53-54页 |
| 4.4.4 实验结果与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 本文研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
