| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-11页 |
| 1.2 研究目的和意义 | 第11-13页 |
| 1.3 国内外相关技术研究现状 | 第13-14页 |
| 1.4 本文主要研究内容与结构组织 | 第14-15页 |
| 第2章 语义模型相关技术概述 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 基本语义模型 | 第15-20页 |
| 2.2.1 LSA语义模型 | 第15-17页 |
| 2.2.2 PLSA语义模型 | 第17-18页 |
| 2.2.3 LDA语义模型 | 第18-20页 |
| 2.3 改进的语义模型 | 第20-24页 |
| 2.3.1 主题弱相关的语义模型 | 第20-21页 |
| 2.3.2 D-LDA语义模型 | 第21-22页 |
| 2.3.3 DiscLDA语义模型 | 第22-24页 |
| 2.4 语义模型的主题分析 | 第24-26页 |
| 2.4.1 主题一致性的自动评价 | 第24-25页 |
| 2.4.2 主题可读性研究 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于点间互信息的LDA语义模型 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 点间互信息介绍 | 第27-29页 |
| 3.3 基于点间互信息的LDA语义模型及参数估计 | 第29-33页 |
| 3.3.1 基于点间互信息的LDA语义模型的贝叶斯网络图 | 第29页 |
| 3.3.2 相关符号定义 | 第29-30页 |
| 3.3.3 基于点间互信息的LDA主题模型的概率形式 | 第30页 |
| 3.3.4 基于点间互信息的LDA主题模型的参数估计 | 第30-33页 |
| 3.4 基于点间互信息的LDA语义模型的学习算法 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于点间互信息的LDA主题模型的主题优化评价框架 | 第36-41页 |
| 4.1 引言 | 第36页 |
| 4.2 主题优化评价框架 | 第36-37页 |
| 4.3 主题分析 | 第37-40页 |
| 4.3.1 主题的可读性和一致性 | 第37页 |
| 4.3.2 主题的相似性和区别能力 | 第37-39页 |
| 4.3.3 主题加权 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 实验结果及对比分析 | 第41-55页 |
| 5.1 引言 | 第41页 |
| 5.2 实验数据 | 第41-44页 |
| 5.2.1 20NewsGroup数据集 | 第41-43页 |
| 5.2.2 预处理 | 第43页 |
| 5.2.3 词频统计 | 第43-44页 |
| 5.3 实验框架图 | 第44-45页 |
| 5.4 主题评价及分析 | 第45-52页 |
| 5.4.1 主题可读性比较 | 第45-48页 |
| 5.4.2 主题一致性比较 | 第48-50页 |
| 5.4.3 模型主题相似性比较 | 第50-51页 |
| 5.4.4 模型主题区别能力比较 | 第51-52页 |
| 5.5 模型在 20newsgroup数据集上的分类效果 | 第52-54页 |
| 5.5.1 PMI-LDA主题模型与LDA主题模型分类效果比较 | 第52-53页 |
| 5.5.2 Laplace Score主题加权分类效果比较 | 第53-54页 |
| 5.5.3 主题的权值与主题的一致性比较 | 第54页 |
| 5.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
