一种针对社交用户兴趣演化的动态主题模型
| 中文摘要 | 第6-8页 |
| 英文摘要 | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 主题模型相关研究 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 隐式狄利克雷分布 | 第17-23页 |
| 2.2.1 文档生成模型 | 第18-20页 |
| 2.2.2 概率分布和共轭先验 | 第20-21页 |
| 2.2.3 模型推导和参数估计 | 第21-23页 |
| 2.3 动态主题模型 | 第23-26页 |
| 2.4 短文本主题模型 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 动态社交用户主题模型 | 第31-50页 |
| 3.1 引言 | 第31页 |
| 3.2 模型定义与推导 | 第31-41页 |
| 3.2.1 动态社交用户主题模型和任务定义 | 第31-32页 |
| 3.2.2 用户词对集采样 | 第32-33页 |
| 3.2.3 静态主题模型中的假设 | 第33-34页 |
| 3.2.4 依赖前一时间片的动态社交用户主题模型 | 第34-38页 |
| 3.2.5 多时间片依赖的动态社交用户主题模型 | 第38-41页 |
| 3.3 实验 | 第41-49页 |
| 3.3.1 实验设置 | 第41-44页 |
| 3.3.2 实验结果与分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 词权重采样的动态社交用户主题模型 | 第50-59页 |
| 4.1 引言 | 第50-51页 |
| 4.2 主题模型中的词权重 | 第51-54页 |
| 4.2.1 词对模型的词权重计算方案 | 第51-53页 |
| 4.2.2 词权重方法的比较与选择 | 第53-54页 |
| 4.3 动态社交用户主题模型中的词权重采样 | 第54-56页 |
| 4.4 实验 | 第56-58页 |
| 4.4.1 实验设置 | 第56-57页 |
| 4.4.2 实验结果与分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 主题数最优的动态社交用户主题模型 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 层次狄利克雷过程 | 第59-62页 |
| 5.2.1 狄利克雷过程 | 第59-61页 |
| 5.2.2 层次狄利克雷过程构造 | 第61-62页 |
| 5.3 基于HDP的动态社交用户主题模型 | 第62-66页 |
| 5.3.1 主题数自学习的模型油画 | 第62-64页 |
| 5.3.2 参数更新算法 | 第64-66页 |
| 5.4 实验 | 第66-68页 |
| 5.4.1 实验设置 | 第66页 |
| 5.4.2 实验结果与分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 不足与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录 | 第76-77页 |
