| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 话题模型简介简介 | 第11-13页 |
| 1.2 总体结构安排 | 第13-15页 |
| 第二章 话题模型简介 | 第15-23页 |
| 2.1 符号说明 | 第15-16页 |
| 2.2 话题模型发展回顾 | 第16-23页 |
| 2.2.1 Latent Dirichlet Alllocation(LDA)模型 | 第17-20页 |
| 2.2.2 有监督学习的话题模型 | 第20-23页 |
| 第三章 有监督学习的上游话题模型 | 第23-45页 |
| 3.1 模型简介 | 第23-24页 |
| 3.2 有监督学习的上游话题模型 | 第24-28页 |
| 3.2.1 STM: 类别特有的话题分布 | 第24-25页 |
| 3.2.2 STM-DC: 特有词汇和背景分布 | 第25-26页 |
| 3.2.3 STM-PS: 类别先验和稀疏性 | 第26-28页 |
| 3.3 参数估计 | 第28-30页 |
| 3.3.1 训练 | 第28-29页 |
| 3.3.2 测试 | 第29-30页 |
| 3.4 讨论 | 第30-31页 |
| 3.4.1 监督信息的影响 | 第30-31页 |
| 3.4.2 健壮性 | 第31页 |
| 3.5 文本实验 | 第31-36页 |
| 3.5.1 数据集 | 第31-32页 |
| 3.5.2 实验设置 | 第32-33页 |
| 3.5.3 实验 | 第33-36页 |
| 3.6 图像实验 | 第36-40页 |
| 3.6.1 Scene 13 分类 | 第37-40页 |
| 3.6.2 VOC2007 物体识别 | 第40页 |
| 3.7 章节小结 | 第40-45页 |
| 第四章 LogisticLDA模型 | 第45-61页 |
| 4.1 模型简介 | 第45-46页 |
| 4.2 LogisticLDA 模型 | 第46-49页 |
| 4.2.1 讨论 | 第48-49页 |
| 4.3 近似推导 | 第49-53页 |
| 4.3.1 E步骤 | 第50-52页 |
| 4.3.2 M步骤 | 第52-53页 |
| 4.3.3 预测 | 第53页 |
| 4.4 实验 | 第53-57页 |
| 4.4.1 Datasets | 第53-54页 |
| 4.4.2 实验设置 | 第54页 |
| 4.4.3 实验结果 | 第54-57页 |
| 4.5 近似性讨论 | 第57-60页 |
| 4.6 结论 | 第60-61页 |
| 第五章 总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |