增强文本特征表示的短文本主题建模方法
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.2.1 主题建模研究现状 | 第15页 |
| 1.2.2 短文本建模研究现状 | 第15-16页 |
| 1.3 论文的主要研究工作 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关知识和研究 | 第19-32页 |
| 2.1 文本挖掘概述 | 第19-24页 |
| 2.1.1 向量空间模型 | 第19-20页 |
| 2.1.2 n元语言模型 | 第20页 |
| 2.1.3 文本的词袋表示 | 第20-21页 |
| 2.1.4 概率相关基础 | 第21-24页 |
| 2.2 主题模型 | 第24-30页 |
| 2.2.1 隐语义索引(LSA) | 第25页 |
| 2.2.2 概率隐语义索引(PLSA) | 第25-26页 |
| 2.2.3 隐含狄利克雷分配(LDA) | 第26-29页 |
| 2.2.4 局部N-Gram模型(TNG) | 第29-30页 |
| 2.3 频繁模式挖掘概述 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于增强文本特征的主题建模 | 第32-53页 |
| 3.1 引言 | 第32-33页 |
| 3.2 FP-Growth模式挖掘算法 | 第33-36页 |
| 3.3 模式提取 | 第36-39页 |
| 3.3.1 短文本预处理 | 第36-37页 |
| 3.3.2 语料库中的模式挖掘 | 第37-39页 |
| 3.4 基于模式空间的文本特征表示 | 第39-41页 |
| 3.4.1 术语和定义 | 第39-40页 |
| 3.4.2 构造模式空间 | 第40-41页 |
| 3.5 基于模式空间的主题建模 | 第41-44页 |
| 3.5.1 PSTR-LDA模型表示 | 第41-43页 |
| 3.5.2 参数推论 | 第43-44页 |
| 3.6 实验测评 | 第44-52页 |
| 3.6.1 实验数据集 | 第44-45页 |
| 3.6.2 数据预处理 | 第45-46页 |
| 3.6.3 实验设置与实现 | 第46-47页 |
| 3.6.4 评价指标和结果 | 第47-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第四章 大规模社交文本主题建模 | 第53-63页 |
| 4.1 引言 | 第53-54页 |
| 4.2 大规模社交文本建模 | 第54-55页 |
| 4.2.1 并行主题模型 | 第54-55页 |
| 4.2.2 动态主题模型 | 第55页 |
| 4.3 基于数据分解的并行主题建模 | 第55-59页 |
| 4.4 实验测评 | 第59-62页 |
| 4.4.1 实验数据 | 第59-60页 |
| 4.4.2 实验设置 | 第60页 |
| 4.4.3 结果及分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
