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 |