|
|
|
基于改进TF-IDF的文本信息热点话题发现 |
|
论文目录 |
|
摘要 | 第1-4页 | Abstract | 第4-8页 | 第1章 绪论 | 第8-15页 | ·热点话题发现的研究背景及意义 | 第8-9页 | ·国内外研究现状 | 第9-13页 | ·话题识别与跟踪 | 第9-11页 | ·特征词提取 | 第11页 | ·文本聚类 | 第11-13页 | ·存在的问题 | 第13页 | ·本论文主要内容 | 第13-14页 | ·本章小结 | 第14-15页 | 第2章 理论基础 | 第15-27页 | ·中文自动分词 | 第15-19页 | ·中文分词的难点 | 第15-16页 | ·自动分词的原则 | 第16-17页 | ·主要的分词方法 | 第17-19页 | ·关键词提取 | 第19-20页 | ·命名实体识别技术 | 第20-22页 | ·面临的主要困难 | 第20-22页 | ·主要的实现方法 | 第22页 | ·中文文本聚类技术 | 第22-26页 | ·K-means聚类算法 | 第24页 | ·基于高密度连接区域的DBSCAN聚类算法 | 第24-25页 | ·CURE算法 | 第25-26页 | ·本章小结 | 第26-27页 | 第3章 对TF-IDF函数的改进 | 第27-37页 | ·传统的TF-IDF函数 | 第27-28页 | ·引入多种附加权重后的改进TF-IDF函数 | 第28-30页 | ·网页特征词提取的流程 | 第30-32页 | ·语料样本的预处理 | 第30页 | ·实现流程 | 第30-32页 | ·实验评估 | 第32-36页 | ·背景语料的选择 | 第32页 | ·使用的评估指标 | 第32-33页 | ·确定位置权重 | 第33-35页 | ·实验结果 | 第35页 | ·结果分析 | 第35-36页 | ·本章小结 | 第36-37页 | 第4章 热点话题发现的实现方案 | 第37-46页 | ·语料样本的采集、解析和预处理 | 第37-40页 | ·Web信息采集 | 第37-38页 | ·信息抽取 | 第38-40页 | ·话题发现实现算法流程 | 第40-43页 | ·验证热点话题发现效果 | 第43-45页 | ·实验数据来源 | 第43页 | ·评测准则 | 第43-44页 | ·实验结果分析 | 第44-45页 | ·本章小结 | 第45-46页 | 第5章 总结与展望 | 第46-48页 | ·本论文的工作 | 第46页 | ·创新点 | 第46-47页 | ·潜在的问题和希望 | 第47-48页 | 参考文献 | 第48-51页 | 致谢 | 第51-52页 | 附录1 攻读硕士学位期间发表的论文 | 第52-53页 | 附录2 相关索引 | 第53页 | A 表索引 | 第53页 | B 图索引 | 第53页 | C 公式索引 | 第53页 |
|
|
|
|
论文编号BS604192,这篇论文共53页 会员购买按0.35元/页下载,共需支付18.55元。 直接购买按0.5元/页下载,共需要支付26.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|