致谢 | 第7-8页 |
摘要 | 第8-9页 |
abstract | 第9页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景及意义 | 第15-16页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 研究意义 | 第16页 |
1.2 国内外研究现状 | 第16-19页 |
1.2.1 专利文本挖掘研究现状 | 第16-17页 |
1.2.2 主题模型研究现状 | 第17-19页 |
1.2.3 研究评述 | 第19页 |
1.3 本文研究内容及结构 | 第19-21页 |
1.3.1 主要研究内容 | 第19页 |
1.3.2 论文章节安排 | 第19-21页 |
第二章 相关理论与技术 | 第21-33页 |
2.1 文本表示 | 第21-22页 |
2.2 文本预处理 | 第22-26页 |
2.2.1 文本分词 | 第22-23页 |
2.2.2 词性标注 | 第23-24页 |
2.2.3 停用词过滤 | 第24-25页 |
2.2.4 特征选择与特征提取 | 第25-26页 |
2.3 主题模型 | 第26-32页 |
2.3.1 产生背景 | 第27页 |
2.3.2 LDA模型 | 第27-29页 |
2.3.3 参数估计 | 第29-31页 |
2.3.4 模型训练和主题推断 | 第31-32页 |
2.4 本章小结 | 第32-33页 |
第三章 汽车专利文本主题挖掘与分析框架构建 | 第33-41页 |
3.1 汽车专利文本特征分析 | 第33-36页 |
3.1.1 汽车专利文本的组成与特点 | 第33-34页 |
3.1.2 汽车专利文本的IPC分类 | 第34-35页 |
3.1.3 汽车专利文本的分析指标 | 第35-36页 |
3.2 汽车专利文本主题挖掘与分析框架 | 第36-38页 |
3.3 汽车专利文本主题挖掘与分析的关键任务 | 第38-40页 |
3.3.1 汽车专利文本预处理 | 第38-40页 |
3.3.2 汽车专利文本主题挖掘 | 第40页 |
3.3.3 汽车专利文本主题挖掘结果分析 | 第40页 |
3.4 本章小结 | 第40-41页 |
第四章 基于主题模型的汽车专利文本主题挖掘方法 | 第41-55页 |
4.1 专利文本主题挖掘方法 | 第41-44页 |
4.1.1 基于IPC分类号的方法 | 第41-42页 |
4.1.2 基于共词分析的方法 | 第42-43页 |
4.1.3 基于LDA模型的方法 | 第43-44页 |
4.2 基于IPC分类号与LDA模型的汽车专利文本主题挖掘方法 | 第44-47页 |
4.2.1 基本思想 | 第44-45页 |
4.2.2 方法过程 | 第45-47页 |
4.3 热点主题识别 | 第47-48页 |
4.4 实验与分析 | 第48-54页 |
4.4.1 数据来源与预处理 | 第48-49页 |
4.4.2 文本主题挖掘与分析 | 第49-54页 |
4.5 本章小结 | 第54-55页 |
第五章 基于主题模型的汽车专利文本主题挖掘与分析系统 | 第55-67页 |
5.1 系统需求分析 | 第55-56页 |
5.1.1 系统目标 | 第55页 |
5.1.2 系统功能需求分析 | 第55-56页 |
5.2 系统体系架构及功能模块划分 | 第56-59页 |
5.2.1 系统体系架构 | 第56-57页 |
5.2.2 系统功能模块划分 | 第57-59页 |
5.3 系统主要功能模块实现流程设计 | 第59-63页 |
5.3.1 汽车专利文本预处理模块实现流程 | 第59页 |
5.3.2 汽车专利文本主题挖掘模块实现流程 | 第59-60页 |
5.3.3 汽车专利文本主题挖掘结果分析模块实现流程 | 第60-63页 |
5.4 原型系统实现 | 第63-66页 |
5.4.1 系统实现软件环境 | 第63-64页 |
5.4.2 系统主要功能模块运行效果 | 第64-66页 |
5.5 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 总结 | 第67页 |
6.2 工作展望 | 第67-69页 |
参考文献 | 第69-73页 |
攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |