Web挖掘中的主题模型扩展
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·相关工作 | 第10-13页 |
| ·本文的主要工作和创新点 | 第13-14页 |
| ·论文的结构安排 | 第14-15页 |
| 第二章 主题模型概述 | 第15-32页 |
| ·基础知识 | 第16-20页 |
| ·贝叶斯网络图 | 第16-17页 |
| ·多项式分布 | 第17页 |
| ·共轭先验分布 | 第17-18页 |
| ·狄利克雷分布 | 第18-19页 |
| ·隐含变量模型 | 第19页 |
| ·贝叶斯层级模型 | 第19页 |
| ·概率共轭 | 第19页 |
| ·特征选择 | 第19-20页 |
| ·文本预处理 | 第20页 |
| ·文本表示模型 | 第20-22页 |
| ·布尔模型 | 第20页 |
| ·向量空间模型 | 第20-21页 |
| ·文档频率频度模型 | 第21-22页 |
| ·语言模型 | 第22页 |
| ·经典主题模型 | 第22-31页 |
| ·潜在语义分析模型 | 第22-23页 |
| ·概率潜在语义分析模型 | 第23-24页 |
| ·潜在狄利克雷分配模型 | 第24-28页 |
| ·附加类别标签的LDA模型 | 第28-29页 |
| ·层次LDA模型 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 作者主题模型 | 第32-39页 |
| ·作者主题模型的优势 | 第32-33页 |
| ·吉布斯取样 | 第33-35页 |
| ·作者主题模型的推导 | 第35-39页 |
| 第四章 基于用户与关联的扩展LDA模型 | 第39-47页 |
| ·提出改进ATM模型的原因 | 第39-40页 |
| ·改进ATM模型——用户与关联扩展LDA模型 | 第40-41页 |
| ·改进模型的推导 | 第41-42页 |
| ·实验及结果分析 | 第42-47页 |
| ·数据准备 | 第42-43页 |
| ·确定最佳主题数数目 | 第43-44页 |
| ·计算主题模型相似度的公式 | 第44页 |
| ·实验过程 | 第44-46页 |
| ·实验结果比较 | 第46-47页 |
| 第五章 总结与展望 | 第47-48页 |
| ·总结 | 第47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的学术论文 | 第53页 |
