| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 相关理论和技术概述 | 第16-24页 |
| 2.1 PageRank算法 | 第16-17页 |
| 2.2 主题模型介绍 | 第17-21页 |
| 2.2.1 主题模型简介 | 第17-18页 |
| 2.2.2 LDA主题模型 | 第18-20页 |
| 2.2.3 LDA参数估计 | 第20-21页 |
| 2.3 常用文本分析技术 | 第21-22页 |
| 2.3.1 TF-IDF | 第21-22页 |
| 2.3.2 向量空间模型 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于排序算法的发明人影响力计算 | 第24-34页 |
| 3.1 基于PageRank算法的发明人影响力计算 | 第24-25页 |
| 3.2 基于带权Co-Inventorship算法的发明人影响力计算 | 第25-27页 |
| 3.3 基于Inventor-Ranking算法的发明人影响力计算 | 第27-32页 |
| 3.3.1 数据模型与矩阵表示 | 第27-29页 |
| 3.3.2 Inventor-Ranking排序规则 | 第29-31页 |
| 3.3.3 排序和模型 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于主题模型的专利分析技术研究 | 第34-42页 |
| 4.1 专利信息热点检测 | 第34-36页 |
| 4.1.1 基于聚类的热点检测 | 第34-35页 |
| 4.1.2 基于主题模型的热点检测 | 第35-36页 |
| 4.2 基于主题模型的发明人数据分析 | 第36-38页 |
| 4.3 基于隐马尔科夫模型的发明人数据分析 | 第38-39页 |
| 4.4 基于主题模型的发明人推荐算法 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 专利信息分析系统设计与实现 | 第42-52页 |
| 5.1 系统简介 | 第42-43页 |
| 5.2 系统架构 | 第43-47页 |
| 5.3 详细模块设计 | 第47-51页 |
| 5.3.1 信息采集模块 | 第47-48页 |
| 5.3.2 数据预处理模块 | 第48-49页 |
| 5.3.3 发明人排序模块 | 第49页 |
| 5.3.4 热点检测模块 | 第49-50页 |
| 5.3.5 发明人推荐模块 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 性能评估与结果分析 | 第52-76页 |
| 6.1 发明人排序算法 | 第52-59页 |
| 6.1.1 基于Inventor-Ranking算法的排序 | 第52-54页 |
| 6.1.2 基于其他算法的排序 | 第54-55页 |
| 6.1.3 实验结果及分析 | 第55-59页 |
| 6.2 热点检测 | 第59-63页 |
| 6.2.1 基于LDA主题模型的热点检测 | 第59-60页 |
| 6.2.2 基于K-means的热点检测 | 第60-61页 |
| 6.2.3 实验结果与分析 | 第61-63页 |
| 6.3 发明人兴趣模型的构建 | 第63-67页 |
| 6.3.1 基于LDA主题模型的发明人兴趣模型 | 第63-65页 |
| 6.3.2 其他建模方法 | 第65-67页 |
| 6.4 发明人个性化推荐 | 第67-74页 |
| 6.4.1 评价指标和实验设计 | 第67-70页 |
| 6.4.2 实验结果及分析 | 第70-74页 |
| 6.5 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间所取得的研究成果 | 第82-84页 |
| 致谢 | 第84页 |
