首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

面向社交媒体的主题挖掘和演化研究与应用

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-17页
    1.1 课题背景与研究意义第9-10页
    1.2 国内外研究现状第10-14页
        1.2.1 面向社交媒体的主题模型第10-13页
        1.2.2 面向社交媒体的主题演化方法第13-14页
    1.3 本文主要工作第14-15页
    1.4 论文的组织结构第15-17页
第二章 面向社交媒体的主题建模方法基础理论第17-26页
    2.1 参数贝叶斯模型第17-20页
        2.1.1 潜在语义分析第17-18页
        2.1.2 概率潜在语义分析第18-19页
        2.1.3 潜在狄利克雷分配第19-20页
    2.2 非参数贝叶斯模型第20-22页
        2.2.1 狄利克雷过程第20-21页
        2.2.2 中国餐馆过程第21页
        2.2.3 分层狄利克雷过程第21-22页
    2.3 参数推理算法第22-25页
        2.3.1 EM算法第22-23页
        2.3.2 MCMC算法第23-24页
        2.3.3 VI算法第24-25页
    2.4 本章小结第25-26页
第三章 基于VR-SVI推理算法的大规模数据流主题挖掘第26-40页
    3.1 引言第26-27页
    3.2 相关工作第27-28页
    3.3 用于LDA的批次变分推理第28-29页
    3.4 用于LDA的随机变分推理第29-30页
    3.5 改进算法VR-SVI第30-33页
    3.6 算法分析第33-35页
        3.6.1 方差减小分析第33-34页
        3.6.2 R值大小的影响分析第34-35页
        3.6.3 收敛性分析第35页
    3.7 实验结果与分析第35-39页
        3.7.1 方差减小验证实验第36-37页
        3.7.2 R值对算法的影响实验第37-38页
        3.7.3 算法对模型性能的影响比较第38-39页
    3.8 本章小结第39-40页
第四章 基于层次构造方法的词对主题演化模型ST-HDP第40-51页
    4.1 引言第40-41页
    4.2 相关工作第41-43页
    4.3 词对主题演化模型ST-HDP第43-47页
        4.3.1 ST-HDP模型的词对-文档重构方法第43页
        4.3.2 ST-HDP模型的层次构造方法第43-45页
        4.3.3 ST-HDP模型的生成过程第45-46页
        4.3.4 ST-HDP模型的采样第46-47页
    4.4 实验结果与分析第47-50页
        4.4.1 主题质量第47-49页
        4.4.2 内容困惑度第49-50页
    4.5 本章小结第50-51页
第五章 面向社交媒体的主题挖掘和演化原型系设计与实现第51-71页
    5.1 系统需求分析第51-54页
        5.1.1 系统功能性需求第51-54页
        5.1.2 系统非功能性需求第54页
    5.2 系统总体设计第54-56页
        5.2.1 逻辑体系架构设计第54-55页
        5.2.2 物理体系架构设计第55-56页
    5.3 系统详细设计第56-60页
        5.3.1 数据采集模块第56-57页
        5.3.2 数据预处理模块第57-58页
        5.3.3 主题挖掘模块第58页
        5.3.4 主题演化模块第58-59页
        5.3.5 数据视图模块第59-60页
    5.4 系统实现第60-63页
        5.4.1 系统开发环境配置第60-61页
        5.4.2 数据采集模块实现第61页
        5.4.3 数据预处理模块实现第61-62页
        5.4.4 主题挖掘模块实现第62页
        5.4.5 主题演化模块实现第62页
        5.4.6 数据视图模块实现第62-63页
    5.5 系统测试第63-70页
        5.5.1 测试环境第63页
        5.5.2 系统功能测试第63-68页
        5.5.3 系统性能测试第68-70页
    5.6 本章小结第70-71页
第六章 总结与展望第71-73页
    6.1 论文工作总结第71-72页
    6.2 研究展望第72-73页
参考文献第73-77页
附录1 攻读硕士学位期间撰写的论文第77-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:基于Chameleon算法的网络社群用户特征挖掘
下一篇:基于体验设计的博物馆交互桌面导览系统设计研究