Hybrid-LDA：一种融合用户文本内容与链接信息的兴趣挖掘技术
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 引言 | 第13-20页 |
| §1.1 研究背景与意义 | 第13-16页 |
| §1.2 国内外研究现状 | 第16-17页 |
| §1.3 本文的研究方法 | 第17页 |
| §1.4 本文的研究难点与挑战 | 第17-18页 |
| §1.5 本文的研究内容与创新 | 第18-19页 |
| §1.6 本文的组织架构 | 第19-20页 |
| 第二章 相关工作 | 第20-27页 |
| §2.1 主题模型 | 第20-23页 |
| §2.2 LDA模型 | 第23-24页 |
| §2.3 基于社交网络的主题挖掘技术 | 第24-26页 |
| §2.3.1 基于推文内容的主题挖掘技术 | 第25页 |
| §2.3.2 基于非推文内容的主题挖掘技术 | 第25-26页 |
| §2.4 小结 | 第26-27页 |
| 第三章 Hybrid-LDA主题模型 | 第27-39页 |
| §3.1 Hybrid-LDA模型介绍 | 第27-39页 |
| §3.1.1 模型描述及文档生成过程 | 第28-29页 |
| §3.1.2 模型推导及求解 | 第29-37页 |
| §3.1.3 算法 | 第37-39页 |
| 第四章 实验评估 | 第39-49页 |
| §4.1 实验数据 | 第39页 |
| §4.2 实验设计 | 第39-44页 |
| §4.2.1 参数选择 | 第40-41页 |
| §4.2.2 聚类方法 | 第41-42页 |
| §4.2.3 评估指标 | 第42-43页 |
| §4.2.4 聚类方法 | 第43页 |
| §4.2.5 评估方法 | 第43-44页 |
| §4.3 实验分析 | 第44-48页 |
| §4.3.1 UserTweet-LDA | 第44-45页 |
| §4.3.2 LinkTweet-LDA | 第45-46页 |
| §4.3.3 MixTweet-LDA | 第46页 |
| §4.3.4 Hybrid-LDA | 第46-48页 |
| §4.4 小结 | 第48-49页 |
| 结论 | 第49-51页 |
| §4.5 研究工作总结 | 第49页 |
| §4.6 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
