基于云模型理论的LDA最大熵模型观点挖掘研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外相关研究工作 | 第13-17页 |
| 1.2.1 基于统计机器学习的观点挖掘 | 第14-15页 |
| 1.2.2 LDA主题模型和云模型 | 第15-17页 |
| 1.3 本文的研究内容 | 第17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 观点挖掘理论和数学模型基础 | 第19-33页 |
| 2.1 观点挖掘理论 | 第19页 |
| 2.2 LDA模型相关理论基础 | 第19-26页 |
| 2.2.1 主题模型的概念 | 第19-20页 |
| 2.2.2 LDA标准模型 | 第20-23页 |
| 2.2.3 LDA改进模型 | 第23-26页 |
| 2.3 云模型相关理论 | 第26-33页 |
| 2.3.1 云模型的定义 | 第27-28页 |
| 2.3.2 云模型的数字特征 | 第28-29页 |
| 2.3.3 云模型的“3En规则” | 第29-30页 |
| 2.3.4 正向云和逆向云发生器 | 第30-31页 |
| 2.3.5 云的相似度算法 | 第31-33页 |
| 第三章 基于云模型理论的最大熵LDA模型 | 第33-44页 |
| 3.1 SC MaxEnt-LDA模型描述 | 第33-34页 |
| 3.2 SC MaxEnt-LDA模型生成过程 | 第34-38页 |
| 3.3 SC MaxEnt-LDA模型推理 | 第38-41页 |
| 3.4 基于云模型理论的情感修正算法 | 第41-44页 |
| 3.4.1 基于云模型理论的情感表示 | 第41-42页 |
| 3.4.2 基于云模型的情感修正算法 | 第42-44页 |
| 第四章 仿真实验 | 第44-58页 |
| 4.1 数据集 | 第44页 |
| 4.2 实验环境 | 第44-45页 |
| 4.2.1 实验平台 | 第44页 |
| 4.2.2 参数设置 | 第44-45页 |
| 4.3 实验步骤 | 第45-47页 |
| 4.4 结果分析 | 第47-53页 |
| 4.5 可视化展示 | 第53-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在校期间发表的论文和参加的科研项目 | 第64-65页 |
| 致谢 | 第65-66页 |
