| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-15页 |
| 1 绪论 | 第15-37页 |
| ·海量文本的挑战和文本挖掘 | 第15-21页 |
| ·文本挖掘面临的挑战 | 第21-23页 |
| ·文本挖掘的主要研究问题 | 第23-25页 |
| ·文本聚类的新发展:主题建模 | 第25-29页 |
| ·主题模型相对于传统文本聚类方法的优势 | 第29-30页 |
| ·主题建模的重要性和面临的问题 | 第30-34页 |
| ·主要工作与本文结构 | 第34-37页 |
| 2 主题建模的研究现状 | 第37-71页 |
| ·主题建模的研究现状-时间维度 | 第37-49页 |
| ·主题建模的研究现状-内容维度 | 第49-71页 |
| 3 层次化主题模型的研究 | 第71-100页 |
| ·研究背景 | 第71-74页 |
| ·相关研究 | 第74-78页 |
| ·hLDA模型推理中的局部最大点问题 | 第78-85页 |
| ·层次化Dirichlet过程 | 第85-87页 |
| ·基于嵌套的层次化Dirichlet过程的层次化主题模型 | 第87-89页 |
| ·nHDP模型的近似推理 | 第89-92页 |
| ·实验和讨论 | 第92-99页 |
| ·本章小结 | 第99-100页 |
| 4 主题建模中高效近似概率推理算法的研究 | 第100-127页 |
| ·研究背景 | 第101-104页 |
| ·相关研究 | 第104-108页 |
| ·自适应Metropolis-Hastings MCMC算法 | 第108-114页 |
| ·自适应分裂合并抽样算法 | 第114-121页 |
| ·实验和讨论 | 第121-126页 |
| ·本章小结 | 第126-127页 |
| 5 主题建模在移动建模领域中应用的研究 | 第127-140页 |
| ·研究背景 | 第127-129页 |
| ·相关研究 | 第129-131页 |
| ·基于嵌套的Dirichlet过程的移动模型 | 第131-134页 |
| ·nDP移动模型的推理方法 | 第134-136页 |
| ·实验及讨论 | 第136-139页 |
| ·本章小节 | 第139-140页 |
| 6 总结与展望 | 第140-143页 |
| ·主要工作内容和创新点 | 第140-141页 |
| ·进一步研究工作 | 第141-143页 |
| 参考文献 | 第143-165页 |
| 作者简介 | 第165-166页 |
| 攻读博士学位期间主要研究成果 | 第166页 |