| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-20页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·基于规则的方法 | 第15-16页 |
| ·基于统计的方法 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 相关研究基础及技术 | 第20-35页 |
| ·特征选择方法 | 第20-24页 |
| ·文档频率(DF) | 第20页 |
| ·互信息(MI) | 第20-21页 |
| ·信息增益(IG) | 第21-23页 |
| ·卡方统计(CHI) | 第23-24页 |
| ·LDA主题模型 | 第24-27页 |
| ·LDA主题模型简介 | 第24页 |
| ·LDA模型基本思想 | 第24-25页 |
| ·LDA参数求解 | 第25-27页 |
| ·LDA模型的不足 | 第27页 |
| ·词向量 | 第27-29页 |
| ·Distributed Representation | 第27-28页 |
| ·Word Embedding的应用 | 第28-29页 |
| ·领域问题分类方法 | 第29-34页 |
| ·支持向量机 | 第29-32页 |
| ·K最近邻 | 第32-33页 |
| ·随机森林 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于LDA模型的优质主题选择 | 第35-39页 |
| ·DoQCT算法总体框架 | 第35-36页 |
| ·LDA模型文本挖掘 | 第36-37页 |
| ·主题熵概述 | 第37-38页 |
| ·优质主题选择 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于主题扩展的领域问题分类算法 | 第39-45页 |
| ·问题定义 | 第39-40页 |
| ·特征选择 | 第40-41页 |
| ·DoQCT算法详述 | 第41-43页 |
| ·领域问题分类 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第五章 实验与分析 | 第45-57页 |
| ·数据集与评测指标 | 第45-47页 |
| ·外部知识库 | 第45页 |
| ·实验数据集 | 第45-47页 |
| ·评测指标 | 第47页 |
| ·实验软硬件环境 | 第47页 |
| ·实验设计 | 第47-48页 |
| ·实验结果与分析 | 第48-55页 |
| ·对比实验结果与分析 | 第49-50页 |
| ·调节训练集大小 | 第50-54页 |
| ·调节参数实验与分析 | 第54-55页 |
| ·错误案例与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文工作总结 | 第57-58页 |
| ·下一步工作和展望 | 第58-59页 |
| 附录一 作者攻读硕士学位期间发表的论文 | 第59页 |
| 附录二 作者攻读硕士学位期间参与的科研项目 | 第59页 |
| 附录三 作者攻读硕士学位期间申请的专利 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 后记 | 第66页 |