在线多源媒体的话题演化分析
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 话题检测 | 第12-13页 |
| 1.2.2 话题特征提取 | 第13页 |
| 1.2.3 话题演化分析 | 第13-14页 |
| 1.2.4 话题知识库的建立 | 第14-15页 |
| 1.2.5 研究现状总结 | 第15-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 相关背景知识概述 | 第20-28页 |
| 2.1 狄利克雷过程混合模型 | 第20-21页 |
| 2.2 分层狄利克雷过程 | 第21-24页 |
| 2.2.1 分层狄利克雷过程的概念定义 | 第21-22页 |
| 2.2.2 HDP的CRF构造方法 | 第22-24页 |
| 2.3 词向量 | 第24-27页 |
| 2.3.1 词向量的基本概念 | 第24-25页 |
| 2.3.2 Word2Vec的基本原理 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 话题特征提取与预处理 | 第28-48页 |
| 3.1 基于在线多源媒体的话题数据获取和筛选过滤 | 第28-29页 |
| 3.2 话题实体特征提取 | 第29-32页 |
| 3.3 话题时间特征的提取与确定 | 第32-36页 |
| 3.3.1 时间信息完整表达式的提取 | 第33-34页 |
| 3.3.2 时间表达式的标准化推理转换 | 第34-36页 |
| 3.4 新闻文本词向量化 | 第36-46页 |
| 3.4.1 增量词向量训练 | 第36-38页 |
| 3.4.2 增量词向量训练实验 | 第38-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于多特征的话题演化模型 | 第48-64页 |
| 4.1 MFTEM模型生成方法 | 第48-54页 |
| 4.2 MFTEM模型采样方法 | 第54-56页 |
| 4.3 话题演化分析后处理 | 第56-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 原型系统设计与实现 | 第64-80页 |
| 5.1 原型系统设计 | 第64-66页 |
| 5.2 开发环境 | 第66页 |
| 5.3 原型系统实现 | 第66-78页 |
| 5.3.1 数据库设计 | 第66-69页 |
| 5.3.2 实现细节 | 第69-74页 |
| 5.3.3 系统展示 | 第74-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第六章 实验设计与分析 | 第80-96页 |
| 6.1 实验环境 | 第80页 |
| 6.2 实验评价方法 | 第80-81页 |
| 6.3 实验结果分析 | 第81-94页 |
| 6.3.1 准确性分析 | 第81-92页 |
| 6.3.2 模型性能分析 | 第92-94页 |
| 6.4 本章小结 | 第94-96页 |
| 第七章 总结与展望 | 第96-98页 |
| 7.1 工作总结 | 第96-97页 |
| 7.2 研究展望 | 第97-98页 |
| 致谢 | 第98-100页 |
| 参考文献 | 第100-104页 |
| 作者简介 | 第104页 |
