基于改进GSDMM聚类模型的机器人文献主题划分研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景与意义 | 第10-11页 |
| 1.3 国内外研究概况 | 第11-14页 |
| 1.4 论文的主要研究内容 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-16页 |
| 2 机器人领域文献主题划分方案研究与设计 | 第16-27页 |
| 2.1 数据获取及预处理 | 第16-18页 |
| 2.1.1 数据采集 | 第16-17页 |
| 2.1.2 数据预处理 | 第17-18页 |
| 2.2 文本聚类方案研究与设计 | 第18-22页 |
| 2.2.1 传统聚类模型 | 第18-21页 |
| 2.2.2 主题模型 | 第21-22页 |
| 2.2.3 半监督聚类模型 | 第22页 |
| 2.3 文本聚类评价方法方案研究与设计 | 第22-24页 |
| 2.4 文献主题确定及分析建议 | 第24-25页 |
| 2.5 文献主题划分整体过程 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于GSDMM模型文献主题聚类方法及改进 | 第27-37页 |
| 3.1 基于GSDMM文献主题聚类方法 | 第27-31页 |
| 3.1.1 GSDMM模型的基本思想 | 第27页 |
| 3.1.2 DMM模型原理 | 第27-29页 |
| 3.1.3 GSDMM算法过程 | 第29-31页 |
| 3.1.4 模型性质 | 第31页 |
| 3.2 GSDMM文献主题聚类方法的不足 | 第31-32页 |
| 3.3 GSDMM算法模型的改进 | 第32-36页 |
| 3.3.1 DMM模型的改进 | 第32-33页 |
| 3.3.2 改进GSDMM算法过程 | 第33-35页 |
| 3.3.3 模型性质 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 文献主题聚类模型的实验验证 | 第37-48页 |
| 4.1 实验数据及实验环境 | 第37-39页 |
| 4.1.1 实验数据 | 第37-39页 |
| 4.1.2 算法代码环境 | 第39页 |
| 4.2 算法性能评价指标 | 第39-40页 |
| 4.3 改进后模型有效性验证实验 | 第40-45页 |
| 4.3.1 十折交叉验证实验 | 第40-41页 |
| 4.3.2 标签数据比例增加实验 | 第41-42页 |
| 4.3.3 标签数据类别增加实验 | 第42-44页 |
| 4.3.4 初始参数K调整实验 | 第44-45页 |
| 4.4 与其他聚类算法对比实验 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 机器人文献技术领域划分实现及结果分析 | 第48-56页 |
| 5.1 专利主题划分实现及结果分析 | 第48-50页 |
| 5.1.1 专利主题划分 | 第48页 |
| 5.1.2 专利主题确定与结果分析 | 第48-50页 |
| 5.2 论文主题划分实现及结果分析 | 第50-52页 |
| 5.2.1 论文主题划分 | 第50-51页 |
| 5.2.2 论文主题确定与结果分析 | 第51-52页 |
| 5.3 专利与论文划分结果对比分析 | 第52-54页 |
| 5.4 后续主题研究建议 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 全文总结 | 第56-57页 |
| 6.2 课题展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录A 机器人专利检索式 | 第63-68页 |
| 附录B JCR期刊中机器人领域相关期刊Top10 | 第68页 |
