| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 背景综述 | 第9-12页 |
| 1.1 背景与现状 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本系统的目标与内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 本系统的关键技术 | 第12-22页 |
| 2.1 自然语言处理与数据挖掘 | 第12-14页 |
| 2.1.1 自然语言处理 | 第12-13页 |
| 2.1.2 数据挖掘技术 | 第13-14页 |
| 2.2 中文分词技术 | 第14-16页 |
| 2.2.1 基于字符串匹配的分词 | 第14-15页 |
| 2.2.2 基于统计的分词 | 第15-16页 |
| 2.2.3 基于知识理解的分词 | 第16页 |
| 2.3 主题模型理论 | 第16-21页 |
| 2.3.1 概率主题模型 | 第17-19页 |
| 2.3.2 多项分布和 Dirichlet 分布 | 第19页 |
| 2.3.3 期望最大化 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于条件随机场的中文分词系统 | 第22-39页 |
| 3.1 条件随机场 | 第22-32页 |
| 3.1.1 隐马尔可夫模型 | 第22-27页 |
| 3.1.2 最大熵模型 | 第27-29页 |
| 3.1.3 最大熵马尔可夫模型 | 第29-31页 |
| 3.1.4 条件随机场模型 | 第31-32页 |
| 3.2 基于 CRFs 的中文分词技术 | 第32-34页 |
| 3.2.1 汉字标注 | 第32-33页 |
| 3.2.2 特征选择 | 第33-34页 |
| 3.3 CRFs 分词系统 | 第34-38页 |
| 3.3.1 CRFs 分词系统设计 | 第34页 |
| 3.3.2 分词系统模块介绍及功能实现 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于 LDA 模型的主题分析系统 | 第39-51页 |
| 4.1 LDA 主题模型 | 第39-44页 |
| 4.1.1 隐含变量模型 | 第39-41页 |
| 4.1.2 LDA 模型 | 第41-44页 |
| 4.2 模型的推导 | 第44-47页 |
| 4.2.1 变分推理 | 第44-45页 |
| 4.2.2 吉布斯抽样算法 | 第45-47页 |
| 4.3 主题的内聚度与耦合度 | 第47-49页 |
| 4.3.1 主题的内聚度 | 第48页 |
| 4.3.2 主题的耦合度 | 第48-49页 |
| 4.4 主题分析系统的实验设计 | 第49-50页 |
| 4.4.1 基于 LDA 模型的主题分析系统框架设计 | 第49页 |
| 4.4.2 主题分析系统功能模块介绍 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 实验结果分析 | 第51-60页 |
| 5.1 实验数据与实验环境 | 第51-53页 |
| 5.1.1 实验数据 | 第51-52页 |
| 5.1.2 实验环境及模块 | 第52-53页 |
| 5.2 系统的设计与实验结果 | 第53-59页 |
| 5.2.1 实验设计 | 第53-56页 |
| 5.2.2 结果分析 | 第56-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文研究总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 程序清单 | 第65-66页 |
| 致谢 | 第66页 |