声明
致谢
摘要
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要研究内容
1.4 论文组织结构
2 相关技术和理论介绍
2.1 文本表示模型
2.1.1 向量空间模型
2.1.2 基于图的文本表示模型
2.1.3 其他主流的文本表示模型
2.2 PageRank算法
2.3 Word2vec的理论发展
2.3.2 神经网络语言模型
2.3.3 Word2vec基础知识介绍
2.4 关键词抽取的特征选择
2.4.1 基于词语权重的特征
2.4.2 基于词语位置的特征
2.4.3 他的关键词特征
2.5 本章小结
3 中文社交媒体话题关键词抽取算法设计
3.1 微博特征
3.2 文本预处理
3.2.1 数据清洗
3.2.2 分词及去除停用词
3.3 基于图模型的话题关键词抽取方法
3.3.1 微博文本型图模型建立
3.3.2 基于TextRank算法的顶点权值计算
3.3.3 基于Word2vec的话题关键词生成方法
3.4 基于低秩矩阵分解的话题关键词抽取方法
3.4.1 低秩矩阵恢复相关理论
3.4.2 话题关键词矩阵构建
3.4.3 问题描述
3.4.4 基于RPCA算法的话题关键词低秩矩阵分解
3.5 本章小结
4 实验设计分析与应用系统实现
4.1 语料库及测试数据集的构建
4.1.1 基于Python的微博采集系统
4.1.2 语料库详情与测试数据集的建立
4.2 实验设置与分析
4.2.1 图的类型及参数确定
4.2.2 Word2vec训练参数确定
4.2.3 对比试验
4.3 系统构建
4.3.1 系统框架
4.3.2 微博关键词可视化示例
4.4 本章小结
5.1 总结
5.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集