基于新闻主题模型的热点工作挖掘系统
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 图目录 | 第7-8页 |
| 表目录 | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·信息爆炸的互联网 | 第9-10页 |
| ·残疾人事业 | 第10页 |
| ·本文的主要工作 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 理论基础与相关工作 | 第13-28页 |
| ·中文分词方法概述 | 第13-16页 |
| ·基于字符串匹配的分词方法 | 第13-15页 |
| ·基于理解的分词方法 | 第15页 |
| ·基于统计的分词方法 | 第15-16页 |
| ·多标签分类问题概述 | 第16-19页 |
| ·常见分类技术 | 第19-23页 |
| ·朴素贝叶斯分类器 | 第19-20页 |
| ·K最近邻分类器 | 第20-22页 |
| ·支持向量机 | 第22-23页 |
| ·常见降维技术 | 第23-27页 |
| ·潜在语义分析模型 | 第23-25页 |
| ·概率潜在语义分析模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于统计和规则的职位识别 | 第28-40页 |
| ·问题描述与分析 | 第28-29页 |
| ·总体流程 | 第29-31页 |
| ·基于角色标注的职位识别方法 | 第31-36页 |
| ·职位构成的上下文角色分析 | 第31-33页 |
| ·基于隐马尔科夫模型的角色标注 | 第33-35页 |
| ·角色识别流程 | 第35-36页 |
| ·实验设计与分析 | 第36-39页 |
| ·实验设计 | 第36-37页 |
| ·评价指标 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于主题的多标签文本分类 | 第40-54页 |
| ·问题描述与分析 | 第40-41页 |
| ·总体流程 | 第41-48页 |
| ·文本预处理 | 第41-43页 |
| ·带标签信息的潜在语义模型分析 | 第43-47页 |
| ·基于支持向量机的多标签文本分类 | 第47-48页 |
| ·实验设计与分析 | 第48-53页 |
| ·实验设计 | 第48-50页 |
| ·评价指标 | 第50页 |
| ·实验结果 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 原型系统设计与实现 | 第54-61页 |
| ·系统设计 | 第54-57页 |
| ·系统运行流程 | 第57-58页 |
| ·系统应用效果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
