基于LDA模型的文本聚类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-11页 |
| ·研究背景及选题意义 | 第9-10页 |
| ·本文主要工作 | 第10页 |
| ·论文组织架构 | 第10-11页 |
| 第2章 相关理论与关键技术 | 第11-25页 |
| ·文本预处理 | 第11-14页 |
| ·文本建模 | 第14-16页 |
| ·特征提取 | 第16-19页 |
| ·文档频率(DF) | 第16页 |
| ·互信息(MI) | 第16-17页 |
| ·信息增益(IG) | 第17页 |
| ·X~2统计(CHI) | 第17-18页 |
| ·特征增强(TS) | 第18页 |
| ·期望交叉熵(ECE) | 第18-19页 |
| ·文本聚类算法 | 第19-24页 |
| ·基于划分的聚类算法 | 第19页 |
| ·基于层次的聚类算法 | 第19-20页 |
| ·基于模型的聚类算法 | 第20-21页 |
| ·基于密度的聚类算法 | 第21-22页 |
| ·基于蚁群的聚类算法 | 第22-23页 |
| ·基于网格的聚类算法 | 第23页 |
| ·基于模糊的聚类算法 | 第23-24页 |
| ·聚簇主题识别 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于LDA模型的文本聚类 | 第25-37页 |
| ·相关统计模型简介 | 第25-28页 |
| ·VSM模型 | 第25-26页 |
| ·一元混合模型 | 第26页 |
| ·LSI模型 | 第26-27页 |
| ·PLSI模型 | 第27-28页 |
| ·基于LDA模型的文本聚类 | 第28-34页 |
| ·LDA主题模型 | 第28-30页 |
| ·最优主题数T选择 | 第30-31页 |
| ·参数估计 | 第31-32页 |
| ·基于LDA的文本相似度计算 | 第32-34页 |
| ·聚类有效性评价标准 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于LDA模型的聚簇主题识别 | 第37-42页 |
| ·聚簇主题识别方法简介 | 第37-38页 |
| ·主题识别的要求 | 第38页 |
| ·主题识别的评价方法 | 第38-39页 |
| ·基于LDA模型的聚簇主题识别 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 实验设计及结果分析 | 第42-52页 |
| ·实验语料选择 | 第42页 |
| ·实验平台搭建 | 第42-46页 |
| ·实验环境 | 第42页 |
| ·LDA建模平台搭建 | 第42-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·文本聚类结果及分析 | 第46-49页 |
| ·聚簇主题识别结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 硕士期间发表的论文及参与的项目 | 第58-59页 |
| 致谢 | 第59页 |
