首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于隐含主题的文本谱聚类算法研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第7-14页
    1.1 研究背景及意义第7-8页
    1.2 国内外研究的现状第8-11页
        1.2.1 文本聚类处理研究现状第8-10页
        1.2.2 主题模型的研究现状第10-11页
    1.3 论文主要研究工作第11-12页
    1.4 论文组织结构第12-14页
第2章 文本聚类算法概述第14-30页
    2.1 文本聚类处理的过程第14-15页
    2.2 文本表示模型及相似度计算第15-19页
        2.2.1 文本表示模型第15-18页
        2.2.2 常用的文本相似性度量公式第18-19页
    2.3 常用的文本聚类算法第19-23页
        2.3.1 划分聚类方法第20-21页
        2.3.2 层次聚类方法第21-22页
        2.3.3 基于密度的聚类方法第22页
        2.3.4 基于网格的聚类方法第22-23页
        2.3.5 基于模型的聚类方法第23页
    2.4 谱聚类算法第23-28页
        2.4.1 谱聚类算法的图论基础第24-25页
        2.4.2 谱图划分理论第25-27页
        2.4.3 经典谱聚类算法第27-28页
    2.5 文本聚类的效果评价第28-29页
    2.6 本章小结第29-30页
第3章 主题模型介绍第30-37页
    3.1 主题模型分析第30页
    3.2 基于LDA模型的文本表示第30-33页
        3.2.1 LDA模型的原理第31-32页
        3.2.2 LDA模型的参数估计第32-33页
    3.3 LDA模型的优化方向第33-34页
    3.4 对LDA模型主题个数选取的改进算法第34-36页
    3.5 本章小结第36-37页
第4章 主题特征改进的谱聚类算法第37-46页
    4.1 特征加权的文本相似度计算第37-42页
        4.1.1 特征的选择第37-38页
        4.1.2 关键特征词相似度第38-40页
        4.1.3 隐含主题相似度第40-41页
        4.1.4 特征加权文本相似度计算第41-42页
    4.2 谱聚类算法自适应改进第42-44页
    4.3 特征加权的自适应谱聚类算法第44-45页
    4.4 本章小结第45-46页
第5章 实验及结果分析第46-58页
    5.1 实验数据集第46页
    5.2 实验结果评价标准第46-47页
    5.3 实验设计第47-51页
        5.3.1 文本预处理第48-49页
        5.3.2 特征选择与文本相似度计算第49-50页
        5.3.3 自适应谱聚类第50-51页
    5.4 实验结果分析第51-57页
        5.4.1 自适应LDA模型自动确定主题个数第51-53页
        5.4.2 文本相似度计算中权值的确定第53-54页
        5.4.3 AFW-NJW算法对聚类数目的确定第54-55页
        5.4.4 AFW-NJW算法聚类效果评价第55-57页
    5.5 本章小结第57-58页
第6章 总结与展望第58-61页
    6.1 本文工作总结第58-59页
    6.2 对未来工作的展望第59-61页
参考文献第61-65页
致谢第65-66页
图目录第66-67页
附录第67-69页

论文共69页,点击 下载论文
上一篇:投资者情绪与中国股市联动性研究--基于行为大数据的经验检验
下一篇:举牌公告对举牌标的公司股价波动影响的实证研究