基于主题模型的用户建模研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状 | 第15-22页 |
| 1.2.1 用户建模概述及问题分析 | 第15-18页 |
| 1.2.2 基于主题模型的用户建模的相关研究 | 第18-21页 |
| 1.2.3 其他非主题模型的用户建模 | 第21-22页 |
| 1.3 研究的问题及内容 | 第22-24页 |
| 1.4 章节安排 | 第24-27页 |
| 第二章 主题模型 | 第27-43页 |
| 2.1 基本介绍 | 第27-28页 |
| 2.2 隐狄利克雷分配模型 | 第28-30页 |
| 2.2.1 模型假设 | 第28-29页 |
| 2.2.2 模型介绍 | 第29-30页 |
| 2.2.3 主题模型的应用流程 | 第30页 |
| 2.3 非参主题模型 | 第30-37页 |
| 2.3.1 狄利克雷过程 | 第30-34页 |
| 2.3.2 狄利克雷过程混合模型 | 第34-35页 |
| 2.3.3 层次狄利克雷过程 | 第35-37页 |
| 2.4 参数推导 | 第37-41页 |
| 2.4.1 变分推导 | 第37-39页 |
| 2.4.2 吉布斯抽样 | 第39-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 结合主题特征的半监督LDA模型 | 第43-55页 |
| 3.1 结合主题特征的半监督LDA模型 | 第43-46页 |
| 3.1.1 模型介绍 | 第44-45页 |
| 3.1.2 获取主题特征 | 第45-46页 |
| 3.2 参数推导 | 第46-47页 |
| 3.3 实验 | 第47-54页 |
| 3.3.1 实验数据 | 第47-49页 |
| 3.3.2 网页内容的提取 | 第49-50页 |
| 3.3.3 评估算法 | 第50-51页 |
| 3.3.4 实验结果 | 第51-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 用户特性主题模型 | 第55-69页 |
| 4.1 用户特性主题模型 | 第55-60页 |
| 4.1.1 模型介绍 | 第56-58页 |
| 4.1.2 相关工作 | 第58-59页 |
| 4.1.3 参数推导 | 第59-60页 |
| 4.2 实验 | 第60-64页 |
| 4.2.1 模型的预测能力 | 第61-63页 |
| 4.2.2 不同用户特性上主题的分布情况 | 第63-64页 |
| 4.3 基于用户特性的非参主题模型 | 第64-68页 |
| 4.3.1 模型介绍 | 第64-66页 |
| 4.3.2 参数推导 | 第66-67页 |
| 4.3.3 实验分析 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 结合标签的用户特性主题模型 | 第69-83页 |
| 5.1 研究背景 | 第69-72页 |
| 5.2 相关工作 | 第72-73页 |
| 5.3 结合标签的用户特性主题模型 | 第73-76页 |
| 5.3.1 模型介绍 | 第73-75页 |
| 5.3.2 参数推导 | 第75-76页 |
| 5.4 实验 | 第76-82页 |
| 5.4.1 模型的预测能力 | 第77-78页 |
| 5.4.2 模型的建模效果 | 第78-80页 |
| 5.4.3 模型在推荐任务上的效果 | 第80-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 结合用户属性的用户特性主题模型 | 第83-93页 |
| 6.1 结合用户属性的用户特性主题模型 | 第84-86页 |
| 6.2 参数推导 | 第86页 |
| 6.3 实验 | 第86-91页 |
| 6.3.1 模型的预测能力 | 第88-90页 |
| 6.3.2 不同用户属性下主题的分布情况 | 第90-91页 |
| 6.4 本章小结 | 第91-93页 |
| 第七章 总结与展望 | 第93-97页 |
| 7.1 主要贡献 | 第93-95页 |
| 7.2 工作展望 | 第95-97页 |
| 7.2.1 与社交网络相结合 | 第95-96页 |
| 7.2.2 与自然语言处理的研究相结合 | 第96页 |
| 7.2.3 在线参数推导算法的研究 | 第96-97页 |
| 附录 缩略语表 | 第97-99页 |
| 参考文献 | 第99-107页 |
| 致谢 | 第107-109页 |
| 攻读学位期间发表的学术论文目录 | 第109页 |
