基于非参贝叶斯模型的文本聚类算法的研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第5-15页 |
| 1.1 研究背景与意义 | 第5-8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.2.1 文本聚类 | 第8-10页 |
| 1.2.2 非参贝叶斯模型 | 第10-11页 |
| 1.2.3 不平衡数据集研究 | 第11-13页 |
| 1.3 论文的内容与结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 非参贝叶斯模型的文本聚类算法 | 第15-33页 |
| 2.1 非参贝叶斯模型 | 第15-19页 |
| 2.1.1 非参贝叶斯模型与文本聚类 | 第15-16页 |
| 2.1.2 聚类评价指标 | 第16-19页 |
| 2.2 概率图模型表示 | 第19-25页 |
| 2.2.1 贝叶斯网络 | 第20-21页 |
| 2.2.2 条件独立 | 第21-25页 |
| 2.3 PYP模型 | 第25-32页 |
| 2.3.1 DP模型 | 第25-29页 |
| 2.3.2 PYP模型 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 非参贝叶斯模型的问题讨论 | 第33-38页 |
| 3.1 DPM模型问题背景 | 第33-35页 |
| 3.2 DPM模型的“富人越富”问题 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于Pitman-Yor过程模型聚类算法 | 第38-46页 |
| 4.1 DAPYP模型框架 | 第38页 |
| 4.2 DAPYP详细算法 | 第38-40页 |
| 4.3 实验结果与分析 | 第40-45页 |
| 4.3.1 人工数据集 | 第41-43页 |
| 4.3.2 真实数据集 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-55页 |
| 图版 | 第55页 |
