基于图模型的文本内容挖掘技术
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 文本挖掘概述 | 第10-12页 |
| 1.2.2 图模型理论概述 | 第12-13页 |
| 1.2.3 针对在线评论的文本挖掘概述 | 第13-14页 |
| 1.3 论文的主要工作与结构安排 | 第14-17页 |
| 1.3.1 主要工作 | 第14-15页 |
| 1.3.2 论文结构安排 | 第15-17页 |
| 第二章 基于图模型的文本挖掘相关理论 | 第17-33页 |
| 2.1 文本挖掘的相关理论 | 第17-18页 |
| 2.1.1 文本表示方法 | 第18页 |
| 2.1.2 向量空间模型 | 第18页 |
| 2.2 基于图排序的文本摘要方法 | 第18-23页 |
| 2.2.1 HITS算法简介 | 第19-20页 |
| 2.2.2 PageRank算法简介 | 第20-21页 |
| 2.2.3 TextRank简介 | 第21-23页 |
| 2.3 图模型的相关理论 | 第23-30页 |
| 2.3.1 隐马尔科夫模型概述 | 第23-26页 |
| 2.3.2 条件随机场概述 | 第26-28页 |
| 2.3.3 LDA主题模型概述 | 第28-30页 |
| 2.4 本章小结 | 第30-33页 |
| 第三章 在线评论的重要度评估 | 第33-49页 |
| 3.1 在线评论重要度评估方案 | 第33-34页 |
| 3.2 在线评论的预处理 | 第34-37页 |
| 3.2.1 TF-IDF值的获取 | 第34-36页 |
| 3.2.2 词性标注的获取 | 第36-37页 |
| 3.3 文本的潜层结构特征 | 第37-41页 |
| 3.3.1 结构特征的离散化 | 第39页 |
| 3.3.2 基于离散化结构特征的词袋模型 | 第39-40页 |
| 3.3.3 针对结构特征的LDA模型训练 | 第40-41页 |
| 3.4 针对在线评论的文本表示 | 第41-44页 |
| 3.4.1 文本通用特征 | 第41页 |
| 3.4.2 针对在线评论特性的特征 | 第41-42页 |
| 3.4.3 潜层结构特征 | 第42-43页 |
| 3.4.4 特征的拼接 | 第43-44页 |
| 3.5 基于有监督方法的评论重要度评估 | 第44-46页 |
| 3.5.1 重要度评价指标 | 第44-45页 |
| 3.5.2 基于有监督二分类法的评论重要度预测 | 第45-46页 |
| 3.5.3 基于有监督回归法的评论重要度预测 | 第46页 |
| 3.6 基于图的评论重要度评估 | 第46-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 实验结果及分析 | 第49-59页 |
| 4.1 实验数据集介绍 | 第49-50页 |
| 4.2 实验基本情况概述 | 第50-51页 |
| 4.2.1 实验的样本集 | 第50页 |
| 4.2.2 实验的评估指标 | 第50-51页 |
| 4.3 实验结果的对比与分析 | 第51-57页 |
| 4.3.1 各类别nDCG指标对比分析 | 第52-53页 |
| 4.3.2 累计平均nDCG结果对比分析 | 第53-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
