| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 研究内容及创新 | 第14-15页 |
| 1.2.1 研究内容 | 第14页 |
| 1.2.2 研究重点和难点 | 第14-15页 |
| 1.2.3 研究创新性 | 第15页 |
| 1.3 本文组织结构 | 第15-17页 |
| 2 国内外研究综述 | 第17-30页 |
| 2.1 社区问答系统 | 第17-21页 |
| 2.2 问题推荐机制研究现状 | 第21-28页 |
| 2.2.1 问题分类方法 | 第22-23页 |
| 2.2.2 专家用户发现 | 第23-28页 |
| 2.3 研究述评 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于Labeled-LDA的在线医疗专家推荐模型 | 第30-47页 |
| 3.1 LDA 模型 | 第30-35页 |
| 3.2 Labeled-LDA 模型 | 第35-39页 |
| 3.3 在线医疗专家推荐模型构建 | 第39-45页 |
| 3.3.1 模型描述 | 第39-40页 |
| 3.3.2 健康问题建模过程 | 第40-42页 |
| 3.3.3 关键词提取 | 第42-44页 |
| 3.3.4 医疗专家推荐 | 第44-45页 |
| 3.4 评价方法 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 实验与结果分析 | 第47-65页 |
| 4.1 数据收集与处理 | 第47-51页 |
| 4.1.1 数据收集 | 第47-48页 |
| 4.1.2 数据处理 | 第48-50页 |
| 4.1.3 相关工具 | 第50-51页 |
| 4.2 实验设计 | 第51-59页 |
| 4.2.1 数据集和相关设置 | 第51-52页 |
| 4.2.2 Labeled-LDA 建模 | 第52-58页 |
| 4.2.3 主题相似度计算 | 第58-59页 |
| 4.3 结果分析 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-68页 |
| 5.1 总结与讨论 | 第65-66页 |
| 5.2 不足 | 第66页 |
| 5.3 展望 | 第66-68页 |
| 参考文献 | 第68-75页 |