基于主题特征中心的微学习单元的层次聚类研究
| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 微学习研究现状 | 第12-15页 |
| 1.2.1 微学习研究现状 | 第12-14页 |
| 1.2.2 微学习资源研究现状 | 第14-15页 |
| 1.3 研究内容和方法 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15页 |
| 1.3.2 主要研究方法 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第二章 相关理论与技术 | 第19-35页 |
| 2.1 微学习 | 第19-20页 |
| 2.1.1 微学习概念 | 第19页 |
| 2.1.2 微学习特点 | 第19-20页 |
| 2.1.3 微学习单元 | 第20页 |
| 2.1.4 微学习理论基础 | 第20页 |
| 2.2 文本聚类的相关技术 | 第20-27页 |
| 2.2.1 预处理过程 | 第21-22页 |
| 2.2.2 特征提取与降维 | 第22-23页 |
| 2.2.3 文本表示模型 | 第23-24页 |
| 2.2.4 文本相似度计算 | 第24-26页 |
| 2.2.5 文本聚类算法 | 第26-27页 |
| 2.3 凝聚层次聚类算法研究 | 第27-30页 |
| 2.4 AP算法研究 | 第30-34页 |
| 2.4.1 AP算法原理 | 第30-33页 |
| 2.4.2 CFSFDP算法原理 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 微学习单元主题中心发现 | 第35-39页 |
| 3.1 凝聚层次聚类算法优缺点 | 第35页 |
| 3.2 AP聚类优缺点 | 第35-36页 |
| 3.3 微学习单元主题中心发现模型 | 第36-38页 |
| 3.4 微学习单元主题中心发现步骤 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 微学习单元文本聚类 | 第39-51页 |
| 4.1 微学习单元聚类框架 | 第39-40页 |
| 4.2 微学习单元前期预处理 | 第40-42页 |
| 4.2.1 分词处理 | 第40-41页 |
| 4.2.2 停用词处理 | 第41页 |
| 4.2.3 词干提取 | 第41-42页 |
| 4.3 微学习单元文本表示 | 第42-47页 |
| 4.3.1 主题模型比较 | 第42-43页 |
| 4.3.2 LDA主题模型 | 第43-45页 |
| 4.3.3 LDA模型训练 | 第45-47页 |
| 4.4 微学习单元聚类 | 第47-50页 |
| 4.4.1 相似度计算 | 第47-49页 |
| 4.4.2 聚类中心算法实现 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 实验与结果分析 | 第51-59页 |
| 5.1 实验数据 | 第51-52页 |
| 5.1.1 微学习单元数据获取 | 第51页 |
| 5.1.2 微学习单元人工标注 | 第51-52页 |
| 5.1.3 实验环境及工具 | 第52页 |
| 5.2 算法评价指标 | 第52-53页 |
| 5.3 实验结果分析 | 第53-57页 |
| 5.3.1 微学习单元文本数据对比分析 | 第53-54页 |
| 5.3.2 微学习单元文本表示模型对比分析 | 第54页 |
| 5.3.3 微学习单元聚类中心选择 | 第54-56页 |
| 5.3.4 微学习单元文本聚类对比分析 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士研究生期间发表的论文 | 第67页 |
