| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文的主要工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 基于LDA模型的主题分类算法 | 第15-37页 |
| 2.1 LDA模型 | 第15-21页 |
| 2.2 Labeled-LDA模型 | 第21-23页 |
| 2.3 Prior-LDA模型 | 第23-28页 |
| 2.3.1 先验的定义 | 第23页 |
| 2.3.2 文本生成 | 第23-24页 |
| 2.3.3 训练及推导 | 第24-25页 |
| 2.3.4 算法分类实验 | 第25-26页 |
| 2.3.5 实验结果及分析 | 第26-28页 |
| 2.4 Dependency-LDA模型 | 第28-35页 |
| 2.4.1 先验的定义 | 第28页 |
| 2.4.2 文本生成 | 第28-29页 |
| 2.4.3 训练及推导 | 第29-31页 |
| 2.4.4 Dependency-LDA快速推理算法 | 第31-32页 |
| 2.4.5 算法分类实验 | 第32-33页 |
| 2.4.6 实验结果及分析 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 改进的FP-LDA模型和Super-LDA模型 | 第37-71页 |
| 3.1 改进的FP-LDA模型 | 第37-39页 |
| 3.1.1 先验分布的定义 | 第37-38页 |
| 3.1.2 文本生成 | 第38-39页 |
| 3.1.3 训练参数 | 第39页 |
| 3.1.4 算法测试 | 第39页 |
| 3.1.5 Prior-LDA模型与FP-LDA模型的比较 | 第39页 |
| 3.2 FP-LDA模型算法分类实验 | 第39-51页 |
| 3.2.1 数据集的选择 | 第39-41页 |
| 3.2.2 度量标准 | 第41页 |
| 3.2.3 实验过程 | 第41页 |
| 3.2.4 实验结果 | 第41-43页 |
| 3.2.5 实验分析 | 第43-51页 |
| 3.3 再改进的Super-LDA模型 | 第51-54页 |
| 3.3.1 两个基本假设 | 第51页 |
| 3.3.2 文本生成 | 第51-53页 |
| 3.3.3 训练参数 | 第53-54页 |
| 3.3.4 算法测试 | 第54页 |
| 3.3.5 FP-LDA模型与Super-LDA模型的比较 | 第54页 |
| 3.4 Super-LDA模型算法分类实验 | 第54-68页 |
| 3.4.1 数据集的选择 | 第54-56页 |
| 3.4.2 度量标准 | 第56页 |
| 3.4.3 实验过程 | 第56页 |
| 3.4.4 实验结果 | 第56-58页 |
| 3.4.5 实验分析 | 第58-68页 |
| 3.5 Super-LDA模型算法参数实验 | 第68-69页 |
| 3.5.1 数据集的选择 | 第68页 |
| 3.5.2 评价标准 | 第68页 |
| 3.5.3 实验结果 | 第68-69页 |
| 3.5.4 实验分析 | 第69页 |
| 3.6 本章小结 | 第69-71页 |
| 第4章 基于Super-LDA的文献分类系统 | 第71-87页 |
| 4.1 系统的需求分析 | 第71-73页 |
| 4.2 系统概要设计 | 第73-74页 |
| 4.3 系统开发环境 | 第74页 |
| 4.4 系统详细设计 | 第74-82页 |
| 4.4.1 预处理模块 | 第76-77页 |
| 4.4.2 特征抽取模块 | 第77-80页 |
| 4.4.3 分类器训练模块 | 第80-81页 |
| 4.4.4 文献分类模块 | 第81-82页 |
| 4.5 语料数据偏斜问题 | 第82-85页 |
| 4.6 本章小结 | 第85-87页 |
| 第5章 总结与展望 | 第87-89页 |
| 5.1 总结 | 第87页 |
| 5.2 展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93页 |
