| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 主题模型概述 | 第6-7页 |
| 1.2 短文本主题模型 | 第7-11页 |
| 1.2.1 基于聚合的方法 | 第7-8页 |
| 1.2.2 基于外部数据的方法 | 第8页 |
| 1.2.3 基于数据特征进行建模的方法 | 第8-10页 |
| 1.2.4 基于外部知识的方法 | 第10-11页 |
| 1.3 本文的研究动机与主要贡献 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 相关技术 | 第13-23页 |
| 2.1 贝叶斯网络 | 第13-15页 |
| 2.2 概率主题模型综述 | 第15-20页 |
| 2.2.1 PLSA模型以及LDA模型 | 第15-17页 |
| 2.2.2 扩展模型 | 第17-18页 |
| 2.2.3 主题模型的评价标准 | 第18-20页 |
| 2.3 词向量 | 第20-22页 |
| 2.3.1 词向量简介 | 第20页 |
| 2.3.2 Skip-gram模型以及CBOW模型 | 第20-21页 |
| 2.3.3 HierarchicalSoftmax算法以及NegativeSampling算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 ECTM模型 | 第23-40页 |
| 3.1 模型描述 | 第23-25页 |
| 3.2 模型参数求解 | 第25-32页 |
| 3.2.1 吉布斯采样 | 第25-29页 |
| 3.2.2 波利亚罐子模型 | 第29-30页 |
| 3.2.3 采样算法流程 | 第30-32页 |
| 3.3 实验验证 | 第32-40页 |
| 3.3.1 基本设置 | 第32-33页 |
| 3.3.2 主题一致性测试 | 第33-35页 |
| 3.3.3 短文本分类实验 | 第35-37页 |
| 3.3.4 时间效率分析 | 第37-38页 |
| 3.3.5 模型参数调研 | 第38-40页 |
| 3.4 本章小结 | 第40页 |
| 4 改进的ECTM模型 | 第40-52页 |
| 4.1 模型描述 | 第40-42页 |
| 4.2 模型参数的求解 | 第42-45页 |
| 4.2.1 吉布斯采样 | 第42-44页 |
| 4.2.2 采样算法流程 | 第44-45页 |
| 4.3 实验验证 | 第45-51页 |
| 4.3.1 主题一致性测试 | 第46-49页 |
| 4.3.2 短文本分类实验 | 第49-50页 |
| 4.3.3 时间效率分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |