| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第15-28页 |
| 1.1 背景意义 | 第15-17页 |
| 1.2 研究现状 | 第17-24页 |
| 1.2.1 语义关系提取及概念层次构建 | 第17-19页 |
| 1.2.2 稀有类别检测及距离度量学习 | 第19-22页 |
| 1.2.3 主题模型 | 第22-24页 |
| 1.3 本文的主要工作 | 第24-27页 |
| 1.4 论文的结构 | 第27-28页 |
| 2 基于复合语义距离的多路概念层次构建 | 第28-57页 |
| 2.1 相关工作 | 第28-30页 |
| 2.1.1 语义关系提取 | 第28-29页 |
| 2.1.2 层次聚类 | 第29页 |
| 2.1.3 概念层次相似度评估 | 第29-30页 |
| 2.2 多路领域概念层次构建 | 第30-40页 |
| 2.2.1 问题定义 | 第30-31页 |
| 2.2.2 整体过程 | 第31-32页 |
| 2.2.3 文本预处理 | 第32页 |
| 2.2.4 基于主题模型的关键字提取 | 第32-33页 |
| 2.2.5 语义关系提取及概念层次构建 | 第33-40页 |
| 2.3 概念层次评估标准 | 第40-44页 |
| 2.4 实验及结果分析 | 第44-56页 |
| 2.4.1 实验数据集 | 第44页 |
| 2.4.2 实验设定 | 第44-46页 |
| 2.4.3 实验结果 | 第46-56页 |
| 2.5 本章小结 | 第56-57页 |
| 3 基于半监督层次聚类的稀有类别检测 | 第57-88页 |
| 3.1 相关工作 | 第57-61页 |
| 3.1.1 稀有类别检测 | 第57-59页 |
| 3.1.2 距离度量学习 | 第59-60页 |
| 3.1.3 密度聚类方法 | 第60-61页 |
| 3.2 基于相对距离约束的半监督核均值漂移算法 | 第61-67页 |
| 3.2.1 均值漂移聚类 | 第61-62页 |
| 3.2.2 基于核函数的均值漂移聚类 | 第62-64页 |
| 3.2.3 基于相对距离的核均值漂移聚类 | 第64-67页 |
| 3.3 基于层次化半监督密度聚类的稀有类别检测 | 第67-76页 |
| 3.3.1 整体框架 | 第68-69页 |
| 3.3.2 层次半监督密度聚类 | 第69-70页 |
| 3.3.3 聚类评价指标 | 第70-72页 |
| 3.3.4 主动学习集成策略和线索选择方法 | 第72-74页 |
| 3.3.5 混合的线索选择策略 | 第74-75页 |
| 3.3.6 时间复杂度分析 | 第75-76页 |
| 3.4 实验和结果分析 | 第76-87页 |
| 3.4.1 实验设置 | 第76-78页 |
| 3.4.2 线性映射情况下的结果 | 第78-81页 |
| 3.4.3 非线性映射情况下的结果 | 第81-83页 |
| 3.4.4 不同混合线索选择方法的效果 | 第83-85页 |
| 3.4.5 不同线索数据比例的影响 | 第85-86页 |
| 3.4.6 时间效率 | 第86-87页 |
| 3.5 本章小结 | 第87-88页 |
| 4 基于在线层次主题模型的动态主题检测 | 第88-118页 |
| 4.1 相关工作 | 第88-91页 |
| 4.2 用于主题检测的层次在线NMF方法 | 第91-105页 |
| 4.2.1 基于NMF的主题检测 | 第91页 |
| 4.2.2 在线NMF方法 | 第91-93页 |
| 4.2.3 HONMF总体框架 | 第93-95页 |
| 4.2.4 HONMF方法细节 | 第95-101页 |
| 4.2.5 层次结构演化 | 第101-104页 |
| 4.2.6 时间复杂度 | 第104-105页 |
| 4.3 实验和结果分析 | 第105-117页 |
| 4.3.1 数据集 | 第105-106页 |
| 4.3.2 评估标准 | 第106-107页 |
| 4.3.3 对比方法 | 第107-109页 |
| 4.3.4 不同方法主题质量 | 第109-111页 |
| 4.3.5 不同方法的主题平滑度 | 第111-112页 |
| 4.3.6 主题层次演化 | 第112-114页 |
| 4.3.7 新兴主题检测效果 | 第114-115页 |
| 4.3.8 时间效率 | 第115-117页 |
| 4.4 本章小结 | 第117-118页 |
| 5 基于语义关系的半监督层次在线主题检测框架 | 第118-128页 |
| 5.1 SSHONMF整体框架 | 第118-119页 |
| 5.2 基于语义关系的半监督层次在线非负矩阵分解方法 | 第119-124页 |
| 5.2.1 基于语义关系的词向量权重调整 | 第119-120页 |
| 5.2.2 线索文档选择和相似度度量学习 | 第120-123页 |
| 5.2.3 基于可变相似度度量函数的HONMF | 第123-124页 |
| 5.3 实验与结果分析 | 第124-127页 |
| 5.3.1 实验设置 | 第124-125页 |
| 5.3.2 主题质量评估 | 第125-126页 |
| 5.3.3 r_A参数影响评估 | 第126-127页 |
| 5.4 本章小结 | 第127-128页 |
| 6 总结与展望 | 第128-133页 |
| 6.1 总结 | 第128-131页 |
| 6.2 展望 | 第131-133页 |
| 参考文献 | 第133-144页 |
| 攻读博士学位期间主要的研究成果 | 第144-145页 |
| 致谢 | 第145页 |