海量短文本的主题挖掘及其可视化
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本课题研究工作 | 第11-12页 |
| 1.4 本文结构安排 | 第12-13页 |
| 第二章 相关理论与技术 | 第13-27页 |
| 2.1 短文本与微博 | 第13-15页 |
| 2.1.1 短文本 | 第13-14页 |
| 2.1.2 微博 | 第14-15页 |
| 2.2 主题挖掘常见算法 | 第15-27页 |
| 2.2.1 传统文本主题挖掘方法 | 第15-17页 |
| 2.2.2 主题模型 | 第17-22页 |
| 2.2.3 深度学习 | 第22-27页 |
| 第三章 中文汉字字嵌入模型 | 第27-32页 |
| 3.1 One-Hot字嵌入 | 第27页 |
| 3.2 基于汉字笔画的字嵌入 | 第27-32页 |
| 3.2.1 中文汉字特点 | 第27-29页 |
| 3.2.2 字嵌入模型 | 第29-32页 |
| 第四章 基于笔画字嵌入的LSTM短文本主题挖掘 | 第32-39页 |
| 4.1 基于传统反馈神经网络 | 第32-33页 |
| 4.2 基于长短时记忆模型 | 第33-35页 |
| 4.3 参数训练 | 第35-37页 |
| 4.4 基于LSTM的主题挖掘 | 第37-39页 |
| 4.4.1 关键字提取 | 第37页 |
| 4.4.2 短文本消息主题挖掘 | 第37-39页 |
| 第五章 实验结果分析及其可视化 | 第39-48页 |
| 5.1 数据获取与预处理 | 第39页 |
| 5.2 基础数据分析及可视化 | 第39-43页 |
| 5.3 主题演化实验结果分析及可视化 | 第43-46页 |
| 5.3.1 实验数据 | 第43-44页 |
| 5.3.2 关键字提取可视化分析 | 第44-45页 |
| 5.3.3 主题演化与关键字可视化分析 | 第45-46页 |
| 5.4 语义提取结果分析 | 第46-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48-49页 |
| 6.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
