基于主题模型的社交媒体主题挖掘和文献影响力预测分析
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1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 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 相关理论及技术概述 | 第17-25页 |
| 2.1 相关概念介绍 | 第17-19页 |
| 2.1.1 狄利克雷（Dirichlet）分布 | 第17页 |
| 2.1.2 贝叶斯定理 | 第17-18页 |
| 2.1.3 吉布斯抽样 | 第18-19页 |
| 2.2 LDA模型 | 第19-21页 |
| 2.3 MA-LDA模型 | 第21-22页 |
| 2.4 HGTM模型 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于LDA的社交媒体主题挖掘分析 | 第25-37页 |
| 3.1 模型框架和思想 | 第25-26页 |
| 3.2 基于HTTM的短文本主题挖掘 | 第26-29页 |
| 3.2.1 HTTM模型 | 第26-28页 |
| 3.2.2 参数估计 | 第28-29页 |
| 3.3 实验设计与结果分析 | 第29-36页 |
| 3.3.1 实验数据准备 | 第29-30页 |
| 3.3.2 评价方法与参数设置 | 第30页 |
| 3.3.3 实验结果分析 | 第30-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于LDA的文献未来影响力预测分析 | 第37-47页 |
| 4.1 模型框架和思想 | 第38-39页 |
| 4.2 相关定义 | 第39-42页 |
| 4.2.1 文章”新”词提取及创新性计算 | 第39-40页 |
| 4.2.2 基于语义的文献重要性方法 | 第40-42页 |
| 4.3 实验设计与结果分析 | 第42-45页 |
| 4.3.1 数据准备 | 第42页 |
| 4.3.2 评价指标与参数设置 | 第42-43页 |
| 4.3.3 实验结果分析 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-55页 |
| 攻读硕士期间的学术成果 | 第55页 |
