基于最大间隔主题模型的多模态社会事件表示和分类研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 社会事件分析的发展及研究现状 | 第16-18页 |
| 1.2.1 多媒体社会事件表示国内外研究现状 | 第16-17页 |
| 1.2.2 多媒体社会事件分类国内外研究现状 | 第17-18页 |
| 1.4 本文的主要内容和组织结构 | 第18-20页 |
| 1.4.1 本文的主要内容 | 第18页 |
| 1.4.2 论文的组织结构 | 第18-20页 |
| 第二章 社会事件分类理论基础 | 第20-32页 |
| 2.1 事件分类基本流程 | 第20-26页 |
| 2.1.1 文本预处理 | 第20-22页 |
| 2.1.2 事件表示学习 | 第22-26页 |
| 2.2 主题模型理论基础 | 第26-29页 |
| 2.2.1 潜在狄利克雷分布原理 | 第26-27页 |
| 2.2.2 潜在狄利克雷分布的变形 | 第27-29页 |
| 2.3 典型分类方法 | 第29-31页 |
| 2.3.1 朴素贝叶斯(NB) | 第29页 |
| 2.3.2 K近邻(KNN) | 第29-30页 |
| 2.3.3 支持向量机(SVM) | 第30-31页 |
| 2.4 小结 | 第31-32页 |
| 第三章 基于多模态主题模型的事件表示 | 第32-40页 |
| 3.1 方法概述 | 第32-33页 |
| 3.2 准备工作 | 第33-34页 |
| 3.2.1 数据收集 | 第33-34页 |
| 3.2.2 特征提取 | 第34页 |
| 3.3 基于多模态主题模型的事件表示 | 第34-35页 |
| 3.4 模型推断 | 第35-37页 |
| 3.5 实验结果 | 第37-39页 |
| 3.5.1 定量分析 | 第37-38页 |
| 3.5.2 定性分析 | 第38-39页 |
| 3.6 小结 | 第39-40页 |
| 第四章 基于最大间隔主题模型的多模态事件分类 | 第40-55页 |
| 4.1 算法概述 | 第40-42页 |
| 4.2 相关工作 | 第42-43页 |
| 4.2.1 事件分类 | 第42-43页 |
| 4.2.2 主题模型 | 第43页 |
| 4.3 多模态最大间隔主题模型 | 第43-47页 |
| 4.3.1 问题定义 | 第44页 |
| 4.3.2 多模态最大间隔有监督主题模型 | 第44-47页 |
| 4.4 模型推断 | 第47-49页 |
| 4.5 社会事件分类模型 | 第49页 |
| 4.6 实验结果 | 第49-54页 |
| 4.6.1 分类结果 | 第49-51页 |
| 4.6.2 参数分析 | 第51-53页 |
| 4.6.3 定性分析 | 第53-54页 |
| 4.7 小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第61-62页 |
