| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·文本分类及主题模型研究进展 | 第11-12页 |
| ·论文研究工作概述 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 文本分类概述 | 第14-30页 |
| ·文本分类的一般过程 | 第14页 |
| ·文本预处理 | 第14-15页 |
| ·文本表示 | 第15-18页 |
| ·布尔模型 | 第15-16页 |
| ·向量空间模型 | 第16-17页 |
| ·统计语言模型 | 第17-18页 |
| ·特征降维 | 第18-22页 |
| ·特征选择 | 第18-21页 |
| ·特征抽取 | 第21-22页 |
| ·文本分类方法 | 第22-27页 |
| ·简单向量距离算法 | 第22-23页 |
| ·K近邻算法(KNN) | 第23-24页 |
| ·朴素贝叶斯分类方法 | 第24-25页 |
| ·支持向量机(SVM) | 第25-26页 |
| ·其他分类算法 | 第26-27页 |
| ·分类器评价 | 第27-29页 |
| ·准确率 | 第27页 |
| ·查全率和查准率 | 第27-28页 |
| ·F测量(F-measure) | 第28页 |
| ·宏平均和微平均 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 概率主题模型 | 第30-37页 |
| ·PLSA | 第30-31页 |
| ·LDA和sLDA | 第31-33页 |
| ·LDA | 第31-32页 |
| ·sLDA | 第32-33页 |
| ·iTopicModel | 第33-36页 |
| ·相关概念 | 第33页 |
| ·模型构建 | 第33-35页 |
| ·参数估计 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于iTopicModel的监督关联主题模型SRTM | 第37-52页 |
| ·相关概念 | 第37-38页 |
| ·监督关联主题模型SRTM | 第38-42页 |
| ·模型构建 | 第38-39页 |
| ·参数估计 | 第39-41页 |
| ·新文档标号预测 | 第41-42页 |
| ·SRTM的扩展 | 第42-43页 |
| ·文档标号生成 | 第42-43页 |
| ·参数估计 | 第43页 |
| ·新文档标号预测 | 第43页 |
| ·实验分析 | 第43-51页 |
| ·Cora数据集上的关联文档实验 | 第44-49页 |
| ·电影评论数据集上的非关联文档实验 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于iTopicModel的关联文本分类算法 | 第52-58页 |
| ·相关概念 | 第52-53页 |
| ·基于iTopicModel的关联文本分类算法 | 第53-55页 |
| ·建模文档集合D_L和D_U | 第53-54页 |
| ·TC-iTM文本分类算法 | 第54-55页 |
| ·实验分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·下一步工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 个人简历 | 第64页 |
| 攻读硕士学位期间发表学术论文与研究成果 | 第64-65页 |
| 致谢 | 第65页 |