| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 主题挖掘 | 第10-11页 |
| 1.2.2 期刊推荐方法 | 第11-12页 |
| 1.2.3 专利技术演化 | 第12-13页 |
| 1.3 本文工作 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 2 相关技术 | 第15-21页 |
| 2.1 LDA主题模型 | 第15-16页 |
| 2.2 HDP主题模型 | 第16-18页 |
| 2.3 Word2vec词向量模型 | 第18-19页 |
| 2.4 SVM分类方法 | 第19-21页 |
| 3 基于LDA的期刊推荐方法的研究 | 第21-36页 |
| 3.1 问题引出 | 第21-23页 |
| 3.2 期刊推荐方法的研究 | 第23-30页 |
| 3.2.1 基于分类的期刊推荐方法 | 第23-24页 |
| 3.2.2 基于主题的期刊推荐方法 | 第24-25页 |
| 3.2.3 基于内容的期刊选择方法 | 第25-27页 |
| 3.2.4 基于用户的协同过滤推荐方法 | 第27-28页 |
| 3.2.5 基于期刊相似度的推荐方法 | 第28-29页 |
| 3.2.6 影响论文水平高低的因素 | 第29-30页 |
| 3.3 实验结果与分析 | 第30-34页 |
| 3.3.1 语料来源及预处理 | 第31页 |
| 3.3.2 实验结果以及分析 | 第31-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于HDP的汽车专利主题演化研究 | 第36-47页 |
| 4.1 问题引出 | 第36-38页 |
| 4.2 基于分层的狄利克雷过程的主题演化 | 第38-41页 |
| 4.2.1 主题抽取 | 第38-39页 |
| 4.2.2 主题可视化 | 第39-40页 |
| 4.2.3 主题词排序 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-46页 |
| 4.3.1 语料来源及预处理 | 第41页 |
| 4.3.2 主题相似度阈值选择 | 第41-42页 |
| 4.3.3 实验结果 | 第42页 |
| 4.3.4 实验结论及分析 | 第42-45页 |
| 4.3.5 google scholar中验证结论的正确性 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |