基于特征、先验和约束的主题建模算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 连续特征的主题模型 | 第12-13页 |
| 1.2.2 学习先验的主题模型 | 第13-14页 |
| 1.2.3 加入约束的主题模型 | 第14-15页 |
| 1.2.4 消息传递算法 | 第15-16页 |
| 1.3 目前存在的主要问题 | 第16-17页 |
| 1.4 本文主要工作及创新点 | 第17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第二章 主题模型及其主要推断算法 | 第19-34页 |
| 2.1 主题模型概述 | 第19-21页 |
| 2.2 LDA主题模型 | 第21-24页 |
| 2.3 LDA的近似推断算法 | 第24-29页 |
| 2.3.1 变分贝叶斯 | 第24-26页 |
| 2.3.2 吉布斯采样 | 第26-27页 |
| 2.3.3 消息传递 | 第27-29页 |
| 2.4 连续特征的主题模型 | 第29-30页 |
| 2.5 学习先验的主题模型 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于特征、先验和约束的消息传递算法 | 第34-44页 |
| 3.1 基于特征、先验和约束的LDA模型 | 第34-38页 |
| 3.1.1 模型理论基础 | 第35-36页 |
| 3.1.2 产生式图模型 | 第36-37页 |
| 3.1.3 因子图 | 第37-38页 |
| 3.2 连续特征的消息传递算法 | 第38-39页 |
| 3.3 非对称先验的消息传递算法 | 第39-41页 |
| 3.4 稀疏约束的消息传递算法 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 算法综合性评价 | 第44-56页 |
| 4.1 模型评价标准 | 第44-46页 |
| 4.2 数据集 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-55页 |
| 4.3.1 模型混淆度 | 第48-49页 |
| 4.3.2 主题可解释性 | 第49-52页 |
| 4.3.3 分类性能 | 第52-53页 |
| 4.3.4 聚类性能 | 第53页 |
| 4.3.5 综合评价 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 发表文章目录及参加科研项目 | 第65-66页 |
| 致谢 | 第66-68页 |
