一种社会文本流的分类算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 主题模型的研究现状 | 第12-13页 |
| 1.2.2 文本多标签分类算法的研究现状 | 第13-14页 |
| 1.3 研究内容与组织结构 | 第14-17页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 组织结构 | 第14-17页 |
| 第2章 相关知识及理论 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 文本分类 | 第17-19页 |
| 2.2.1 文本的特征化表示 | 第17页 |
| 2.2.2 朴素贝叶斯 | 第17-18页 |
| 2.2.3 支持向量机 | 第18-19页 |
| 2.3 相关概念 | 第19-21页 |
| 2.3.1 多项式分布 | 第19页 |
| 2.3.2 共轭分布 | 第19页 |
| 2.3.3 Dirichlet分布 | 第19-20页 |
| 2.3.4 社会文本流的定义 | 第20页 |
| 2.3.5 词同现的定义 | 第20-21页 |
| 2.4 主题模型 | 第21-28页 |
| 2.4.1 词袋模型 | 第21-23页 |
| 2.4.2 pLSA模型 | 第23-24页 |
| 2.4.3 LDA模型 | 第24-26页 |
| 2.4.4 L-LDA模型 | 第26-27页 |
| 2.4.5 BTM模型 | 第27-28页 |
| 2.5 相关学习推理算法 | 第28-31页 |
| 2.5.1 Gibbs采样 | 第28-29页 |
| 2.5.2 变分推理算法 | 第29-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 基于词同现的文本重组模型 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 短文本与LDA模型 | 第34-36页 |
| 3.3 词同现关系 | 第36-38页 |
| 3.3.1 词同现度与主题的关系 | 第36-37页 |
| 3.3.2 词同现度的度量 | 第37-38页 |
| 3.4 文本重组模型 | 第38-41页 |
| 3.4.1 文本重组算法 | 第38-40页 |
| 3.4.2 时间复杂度分析 | 第40-41页 |
| 3.5 实验与分析 | 第41-48页 |
| 3.5.1 实验数据集 | 第41页 |
| 3.5.2 实验方案及流程 | 第41-42页 |
| 3.5.3 实验环境 | 第42页 |
| 3.5.4 评价方法 | 第42-44页 |
| 3.5.5 实验结果及分析 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 针对社会文本流的有监督的生成算法 | 第49-65页 |
| 4.1 引言 | 第49-50页 |
| 4.2 标签转换矩阵 | 第50-54页 |
| 4.2.1 误差函数 | 第50-51页 |
| 4.2.2 误差函数最小化 | 第51-53页 |
| 4.2.3 文本流的标签转移矩阵 | 第53-54页 |
| 4.3 TL-LDA模型 | 第54-59页 |
| 4.3.1 模型的建立 | 第54-55页 |
| 4.3.2 TL-LDA模型算法 | 第55-57页 |
| 4.3.3 改进模型的训练算法 | 第57-59页 |
| 4.3.4 算法复杂度分析 | 第59页 |
| 4.4 实验与分析 | 第59-63页 |
| 4.4.1 实验数据集 | 第59-60页 |
| 4.4.2 实验方案及流程 | 第60-61页 |
| 4.4.3 实验环境 | 第61页 |
| 4.4.4 实验结果与分析 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
