| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·研究背景及选题意义 | 第10-11页 |
| ·微博客的产生和发展现状 | 第10页 |
| ·微博热点话题发现的意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·话题发现与追踪技术 | 第11-12页 |
| ·聚类算法 | 第12-13页 |
| ·短文本聚类算法 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 微博话题发现相关技术 | 第16-30页 |
| ·微博的特点 | 第16-19页 |
| ·短文本和多样性 | 第16页 |
| ·网状传播 | 第16-19页 |
| ·短文本文本相似度的度量 | 第19-24页 |
| ·空间向量模型 | 第19-22页 |
| ·短文本文本表示 | 第22-24页 |
| ·相似度衡量 | 第24页 |
| ·经典聚类算法 | 第24-29页 |
| ·single-pass算法 | 第24-25页 |
| ·K-means算法 | 第25-26页 |
| ·BIRCH算法 | 第26-28页 |
| ·DBSCAN算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于文本扩展及HowNet语义扩展的话题发现策略 | 第30-42页 |
| ·微博短文本信息的扩展 | 第30-33页 |
| ·短文本扩展 | 第30页 |
| ·基于原微博主题词簇的评论筛选机制 | 第30-32页 |
| ·生成转发评论树扩展微博文本 | 第32-33页 |
| ·基于HowNet的语义扩展 | 第33-38页 |
| ·HowNet的介绍 | 第34-36页 |
| ·基于HowNet语义扩展的VSM | 第36-38页 |
| ·实验分析 | 第38-40页 |
| ·实验数据的准备 | 第38页 |
| ·评价方法及标准 | 第38-39页 |
| ·实验结果 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 微博的热点话题发现 | 第42-58页 |
| ·应用于话题发现的聚类方法 | 第42-53页 |
| ·算法比较的标准 | 第42页 |
| ·算法的比较与选择 | 第42-44页 |
| ·基于BIRCH初始化的K-means聚类算法 | 第44-50页 |
| ·聚类算法实验验证 | 第50-53页 |
| ·话题热度的研究 | 第53-56页 |
| ·热点话题的定义及特征 | 第53页 |
| ·话题热度的影响因素 | 第53-54页 |
| ·话题热度的评估模型 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 5 微博热点话题发现平台 | 第58-72页 |
| ·系统的整体架构 | 第58-59页 |
| ·微博的采集模块 | 第59-61页 |
| ·新浪微博采集API | 第59-60页 |
| ·对返回信息的解析以及存储 | 第60-61页 |
| ·微博话题发现模块 | 第61-71页 |
| ·微博文本预处理模块 | 第61-63页 |
| ·基于HowNet的语义扩展模块 | 第63-64页 |
| ·聚类模块 | 第64-69页 |
| ·系统界面 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 6 结论与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-82页 |
| 学位论文数据集 | 第82页 |