基于主题模型的生物医学文献知识发现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 主题模型研究现状 | 第11页 |
| 1.2.2 生物医学文献知识发现研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 第2章 知识发现和主题模型相关知识 | 第13-25页 |
| 2.1 文本挖掘 | 第13-16页 |
| 2.1.1 文本建模 | 第13-14页 |
| 2.1.2 向量空间模型 | 第14-15页 |
| 2.1.3 相似性度量 | 第15-16页 |
| 2.2 知识发现 | 第16-17页 |
| 2.2.1 数据源 | 第16页 |
| 2.2.2 数据整合 | 第16-17页 |
| 2.2.3 数据可视化 | 第17页 |
| 2.3 主题模型 | 第17-23页 |
| 2.3.1 pLSI主题模型 | 第17-19页 |
| 2.3.2 LDA主题模型 | 第19-21页 |
| 2.3.3 LDA参数估计 | 第21-22页 |
| 2.3.4 LDA评价标准 | 第22-23页 |
| 2.4 聚类分析 | 第23-25页 |
| 2.4.1 密度峰值聚类算法 | 第23-24页 |
| 2.4.2 吸引子传播聚类算法 | 第24-25页 |
| 第3章 基于主题抽取的生物医学文献知识发现 | 第25-40页 |
| 3.1 实验数据 | 第25-26页 |
| 3.1.1 数据选择 | 第25-26页 |
| 3.1.2 数据准备 | 第26页 |
| 3.2 实验方法 | 第26-30页 |
| 3.2.1 LDA主题模型参数选取 | 第27-28页 |
| 3.2.2 主题融合计算 | 第28-30页 |
| 3.3 结果分析 | 第30-39页 |
| 3.3.1 模型收敛分析 | 第31页 |
| 3.3.2 主题演化分析 | 第31-34页 |
| 3.3.3 主题共性分析 | 第34-36页 |
| 3.3.4 主题趋势分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于主题聚类的生物医学文献知识发现 | 第40-54页 |
| 4.1 实验数据 | 第40页 |
| 4.2 实验方法 | 第40-44页 |
| 4.2.1 主题相似度计算 | 第41-42页 |
| 4.2.2 密度峰值聚类中心选取 | 第42-43页 |
| 4.2.3 吸引子传播聚类参数选取 | 第43-44页 |
| 4.3 结果分析 | 第44-53页 |
| 4.3.1 主题中心内容分析 | 第44-48页 |
| 4.3.2 主题中心实证分析 | 第48-51页 |
| 4.3.3 主题中心可视化分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
