| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 主题模型相关研究 | 第9-13页 |
| 1.1.1 LDA模型的产生 | 第10-11页 |
| 1.1.1.1 潜在语义分析模型LSA | 第10页 |
| 1.1.1.2 概率潜在语义分析模型PLSA | 第10页 |
| 1.1.1.3 隐含狄利克雷分布模型LDA | 第10-11页 |
| 1.1.2 LDA模型的改进研究 | 第11-12页 |
| 1.1.3 LDA模型的应用研究 | 第12-13页 |
| 1.2 突发主题检测的相关研究 | 第13-14页 |
| 1.3 基于社交关系的主题发现研究 | 第14-15页 |
| 1.4 本文的主要工作和创新点 | 第15页 |
| 1.5 论文结构安排 | 第15-18页 |
| 第二章 面向突发主题检测的动态主题模型相关研究 | 第18-28页 |
| 2.1 隐含狄利克雷分布模型LDA | 第18-24页 |
| 2.1.1 LDA模型的参数推导 | 第19-20页 |
| 2.1.2 LDA模型求解 | 第20-24页 |
| 2.2 动态结构的主题模型 | 第24-26页 |
| 2.2.1 动态主题模型DTM | 第24-25页 |
| 2.2.2 时变主题模型TOT | 第25页 |
| 2.2.3 两种模型的对比 | 第25-26页 |
| 2.3 主题模型评估方法 | 第26页 |
| 2.4 主题模型与突发主题提取 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于LDA生成概率矩阵的突发主题研究 | 第28-38页 |
| 3.1 LDA在实验数据上的表现 | 第28-31页 |
| 3.1.1 实验数据集 | 第28-29页 |
| 3.1.2 实验数据处理流程 | 第29页 |
| 3.1.3 LDA的主题计算结果 | 第29-31页 |
| 3.2 LDA与突发主题提取 | 第31-32页 |
| 3.2.1 主题模型中的相似度 | 第31-32页 |
| 3.2.2 基于JS距离的突发主题定义 | 第32页 |
| 3.3 突发主题提取算法 | 第32-36页 |
| 3.3.1 基于随机游走的区域探测算法 | 第32-34页 |
| 3.3.2 基于时间分布的区域切割算法 | 第34-36页 |
| 3.4 实验参数敏感度分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于主题模型和图挖掘的突发主题研究 | 第38-46页 |
| 4.1 基于主题模型和马尔科夫过程的突发主题探测模型 | 第38-39页 |
| 4.2 基于社交影响力的突发主题探测模型 | 第39-44页 |
| 4.2.1 社交网络节点影响力的度量方法 | 第39-40页 |
| 4.2.2 模型构建 | 第40-41页 |
| 4.2.3 实验结果 | 第41-44页 |
| 4.3 实验参数敏感度分析 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 本文工作总结 | 第46页 |
| 5.2 未来工作展望 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 致谢 | 第54-56页 |
| 作者攻读学位期间发表的学术论文目录 | 第56页 |