| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-20页 |
| ·机器学习中的概率图模型 | 第11-14页 |
| ·主题模型 | 第14-15页 |
| ·潜在语义检索 | 第15-16页 |
| ·概率潜在语义检索 | 第16-18页 |
| ·本文的工作 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 主题模型 | 第20-32页 |
| ·EM算法 | 第20-21页 |
| ·潜在狄利克雷分配 | 第21-23页 |
| ·Gibbs采样 | 第23-28页 |
| ·Author Topic Model | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 非对称先验和Asymmetric-Pior Author LDA | 第32-43页 |
| ·波利亚分布 | 第32-33页 |
| ·Minka不动点迭代法和改进算法 | 第33-35页 |
| ·非对称先验 | 第35-37页 |
| ·基于非对称先验的LDA的估计算法 | 第37-39页 |
| ·Asymmetric-Prior Author LDA | 第39-41页 |
| ·估计AALDA模型参数 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 实验分析 | 第43-49页 |
| ·Gibbs采样收敛性分析 | 第43-44页 |
| ·Perplexity分析 | 第44-45页 |
| ·主题结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结和展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |