| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 短文本主题模型 | 第16-18页 |
| 1.2.2 在线式主题模型 | 第18页 |
| 1.3 本文的研究内容和主要工作 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 相关背景知识 | 第21-29页 |
| 2.1 主题模型相关知识 | 第21-25页 |
| 2.1.1 MCMC和吉布斯采样 | 第21-23页 |
| 2.1.2 潜在狄利克雷分配模型 | 第23-25页 |
| 2.2 嵌入模型相关知识 | 第25-26页 |
| 2.3 大数据相关技术 | 第26-28页 |
| 2.3.1 分布式计算框架Spark | 第26-27页 |
| 2.3.2 分布式文件系统HDFS | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于词性特征与语义增强的短文本主题模型 | 第29-59页 |
| 3.1 离线式短文本主题模型PFE-DMM | 第29-43页 |
| 3.1.1 狄利克雷多项式混合模型 | 第30-31页 |
| 3.1.2 基于词性特征的狄利克雷多项式混合模型 | 第31-34页 |
| 3.1.3 基于词性特征与语义增强的狄利克雷多项式混合模型 | 第34-37页 |
| 3.1.4 PFE-DMM模型推断 | 第37-42页 |
| 3.1.5 PFE-DMM复杂度分析 | 第42-43页 |
| 3.2 在线式短文本主题模型OPFE-DMM | 第43-45页 |
| 3.3 离线式短文本主题模型实验评估与分析 | 第45-55页 |
| 3.3.1 数据集与实验设置 | 第45-47页 |
| 3.3.2 主题连贯性评估与分析 | 第47-49页 |
| 3.3.3 短文本分类评估与分析 | 第49-51页 |
| 3.3.4 短文本聚类评估与分析 | 第51-52页 |
| 3.3.5 收敛性评估与分析 | 第52-53页 |
| 3.3.6 主题质量直观效果评估与分析 | 第53-55页 |
| 3.4 在线式短文本主题模型实验评估与分析 | 第55-57页 |
| 3.4.1 数据集与实验设置 | 第55页 |
| 3.4.2 主题连贯性评估与分析 | 第55-56页 |
| 3.4.3 主题演化趋势评估与分析 | 第56-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 大规模PFE-DMM并行化算法设计与实现 | 第59-75页 |
| 4.1 PFE-DMM并行化训练算法执行流程 | 第59-60页 |
| 4.2 PFE-DMM并行化训练算法整体框架 | 第60-61页 |
| 4.3 PFE-DMM并行化训练算法设计与实现 | 第61-67页 |
| 4.3.1 数据预处理并行化 | 第61-62页 |
| 4.3.2 单词语义相似度计算并行化 | 第62-65页 |
| 4.3.3 全局参数更新与传递并行化 | 第65-67页 |
| 4.4 基于聚类的分区优化方法 | 第67-68页 |
| 4.5 实验评估与分析 | 第68-73页 |
| 4.5.1 实验环境与数据集 | 第69页 |
| 4.5.2 算法性能实验评估与分析 | 第69-71页 |
| 4.5.3 算法扩展性实验评估与分析 | 第71-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第五章 基于短文本主题模型的文本大数据分析应用 | 第75-85页 |
| 5.1 背景描述 | 第75-76页 |
| 5.2 系统架构 | 第76-77页 |
| 5.3 核心功能设计与实现 | 第77-81页 |
| 5.3.1 热点主题分析 | 第77-79页 |
| 5.3.2 突发事件检测 | 第79-81页 |
| 5.4 核心功能现场效果展示 | 第81-83页 |
| 5.5 本章小结 | 第83-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 本文工作总结 | 第85-86页 |
| 6.2 下一步工作 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 附录 | 第93-95页 |