基于大众标注的网络群体事件主题分类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-23页 |
| ·研究的背景与意义 | 第13-14页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·国内外研究现状 | 第14-19页 |
| ·网络群体事件的研究现状 | 第14-16页 |
| ·大众标注技术的研究现状 | 第16-18页 |
| ·文本主题分类研究现状 | 第18-19页 |
| ·研究内容与创新 | 第19-22页 |
| ·论文研究内容 | 第19-21页 |
| ·论文创新点 | 第21页 |
| ·论文的组织结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第2章 大众标注和文本分类的概述 | 第23-29页 |
| ·网络群体事件 | 第23-24页 |
| ·网络群体事件的概念 | 第23页 |
| ·网络群体事件的特点 | 第23-24页 |
| ·大众标注技术 | 第24-25页 |
| ·大众标注的概念 | 第24页 |
| ·大众标注的特征 | 第24-25页 |
| ·改进大众标注 | 第25页 |
| ·文本分类算法 | 第25-28页 |
| ·支持向量机分类 | 第26页 |
| ·K 最邻近结点分类 | 第26页 |
| ·决策树分类 | 第26-27页 |
| ·贝叶斯分类算法 | 第27页 |
| ·模糊分类 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于形式概念分析的大众标注研究 | 第29-40页 |
| ·形式概念分析理论 | 第29-31页 |
| ·形式概念分析定义 | 第29-30页 |
| ·概念格的构造 | 第30页 |
| ·概念格的应用 | 第30-31页 |
| ·大众标注关系模型 | 第31-32页 |
| ·大众标注特点与发展趋势 | 第31页 |
| ·大众标注模型 | 第31-32页 |
| ·概念格构造与实例分析 | 第32-39页 |
| ·深度遍历更新节点 | 第32-33页 |
| ·用户标注行为分析 | 第33-37页 |
| ·用户偏好资源分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 构建基于标注的 LDA 模型主题分类 | 第40-58页 |
| ·主题模型介绍 | 第40-42页 |
| ·TF-IDF | 第40页 |
| ·LSA | 第40-41页 |
| ·PLSA | 第41-42页 |
| ·LDA 模型 | 第42-45页 |
| ·LDA 概念 | 第42-43页 |
| ·LDA 模型生成过程 | 第43-45页 |
| ·LDA 模型主题发现 | 第45-49页 |
| ·文本预处理 | 第45-46页 |
| ·特征选择 | 第46-47页 |
| ·抽样算法 | 第47-49页 |
| ·标签标注的 LDA 模型 | 第49-57页 |
| ·文本相似性计算 | 第49-50页 |
| ·标注的 LDA 模型 | 第50-56页 |
| ·文本主题分类 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 实验设计与结果分析 | 第58-67页 |
| ·实验环境与语料 | 第58-59页 |
| ·性能评价标准 | 第59页 |
| ·LDA 模型参数估计 | 第59-61页 |
| ·实验结果分析 | 第61-66页 |
| ·主题数 K 确定 | 第61-62页 |
| ·特征维度 | 第62-63页 |
| ·相似参数λ的确定 | 第63-64页 |
| ·主题分类性能分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 全文工作总结 | 第67-68页 |
| 研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间所发表的学术论文 | 第74-75页 |
| 大摘要 | 第75-79页 |
