LDA模型在文本分类中的应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 文本分类国内外研究现状 | 第12-13页 |
| 1.3.2 LDA国内外研究现状 | 第13-14页 |
| 1.4 主要研究内容及章节结构 | 第14-16页 |
| 2 特征选择 | 第16-21页 |
| 2.1 文本特征 | 第16-17页 |
| 2.2 特征选择 | 第17-20页 |
| 2.3 特征加权 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 主题模型 | 第21-31页 |
| 3.1 unigram模型 | 第21-22页 |
| 3.2 LSI模型 | 第22-23页 |
| 3.3 PLSI模型 | 第23-25页 |
| 3.4 LDA模型 | 第25-30页 |
| 3.4.1 Dirichlet分布 | 第25-26页 |
| 3.4.2 模型介绍 | 第26-27页 |
| 3.4.3 参数估计 | 第27-29页 |
| 3.4.4 主题寻优 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于LDA的文本分类 | 第31-40页 |
| 4.1 融合mRMR和LDA的文本分类 | 第32-35页 |
| 4.1.1 最大相关最小冗余 | 第32-34页 |
| 4.1.2 mRMR+LDA算法 | 第34-35页 |
| 4.2 融合LSI和LDA的文本分类 | 第35-38页 |
| 4.2.1 潜在语义索引 | 第35-36页 |
| 4.2.2 LSI+LDA算法 | 第36-38页 |
| 4.3 SVM分类器 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 实验与结果分析 | 第40-56页 |
| 5.1 实验环境 | 第40页 |
| 5.2 实验数据 | 第40-41页 |
| 5.3 分类性能评估 | 第41-42页 |
| 5.4 文本预处理 | 第42-43页 |
| 5.5 SVM分类器 | 第43页 |
| 5.6 LDA算法的实验及评估 | 第43-55页 |
| 5.6.1 单一LDA算法的实验及评估 | 第43-45页 |
| 5.6.2 mRMR+LDA算法的实验及评估 | 第45-48页 |
| 5.6.3 LSI+LDA算法的实验及评估 | 第48-53页 |
| 5.6.4 特征提取算法对比 | 第53-55页 |
| 5.7 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 作者简历 | 第59-60页 |
| 学位论文数据集 | 第60-61页 |
