基于词嵌入模型的社会媒体话题识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 社会媒体与话题识别 | 第9-10页 |
| 1.2.2 词嵌入 | 第10-12页 |
| 1.3 本文主要工作和创新点 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 基本概念及相关工作 | 第15-23页 |
| 2.1 词向量及表示方法 | 第15-18页 |
| 2.1.1 词嵌入学习算法 | 第16-17页 |
| 2.1.2 词嵌入的应用 | 第17-18页 |
| 2.2 话题识别与分析 | 第18-23页 |
| 2.2.1 基于向量空间模型的话题聚类算法 | 第18-19页 |
| 2.2.2 基于概率图模型的话题检测算法 | 第19-21页 |
| 2.2.3 参数估计 | 第21-23页 |
| 第3章 词嵌入语言模型 | 第23-38页 |
| 3.1 神经网络语言模型 | 第23-24页 |
| 3.2 word2vec两种结构 | 第24-26页 |
| 3.3 考虑词序和多语境的词嵌入学习模型 | 第26-29页 |
| 3.4 实验 | 第29-36页 |
| 3.4.1 词语相似性度量 | 第29-30页 |
| 3.4.2 词语类比关系 | 第30页 |
| 3.4.3 SVM文本分类 | 第30-31页 |
| 3.4.4 情感分析 | 第31-32页 |
| 3.4.5 模型设置及实验结果分析 | 第32-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 话题识别与分析 | 第38-55页 |
| 4.1 基于词嵌入和主题模型的话题识别与分析 | 第38-45页 |
| 4.1.1 基于LDA的主题词嵌入学习模型 | 第38-40页 |
| 4.1.2 基于词嵌入特征表达的LDA话题模型 | 第40-42页 |
| 4.1.3 联合词嵌入话题模型 | 第42-45页 |
| 4.2 基于JWET模型的社会媒体话题识别 | 第45-54页 |
| 4.2.1 研究方案 | 第45-46页 |
| 4.2.2 实验数据集及评估方法 | 第46-49页 |
| 4.2.3 各模型实验结果对比分析 | 第49-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 未来研究展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间的研究成果 | 第63页 |
