基于多标签的HDP文本主题模型研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 主题模型的理论研究 | 第9-11页 |
| 1.2.2 主题模型的实践研究 | 第11-14页 |
| 1.3 本文的研究内容及目标 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究目标 | 第14-15页 |
| 1.4 本文的研究思路和方法 | 第15-16页 |
| 1.4.1 研究思路 | 第15-16页 |
| 1.4.2 研究方法 | 第16页 |
| 1.5 主要创新之处 | 第16-17页 |
| 1.6 章节总结 | 第17-18页 |
| 第二章 基础理论和方法 | 第18-27页 |
| 2.1 贝叶斯统计 | 第18-19页 |
| 2.2 Dirichlet分布 | 第19-20页 |
| 2.3 Dirichlet过程 | 第20-23页 |
| 2.4 近似推断算法 | 第23-24页 |
| 2.4.1 Gibbs采样 | 第23-24页 |
| 2.4.2 变分推断 | 第24页 |
| 2.5 经典模型概述 | 第24-27页 |
| 第三章 多标签SLHDP主题模型 | 第27-34页 |
| 3.1 模型概述 | 第27页 |
| 3.2 图模型 | 第27-29页 |
| 3.3 算法过程解析 | 第29-31页 |
| 3.3.1 CRF构建 | 第29-30页 |
| 3.3.2 Stick-breaking构建 | 第30-31页 |
| 3.4 SLHDP的采样 | 第31-33页 |
| 3.5 算法性能分析 | 第33-34页 |
| 第四章 模型算法实验 | 第34-52页 |
| 4.1 数据收集与处理 | 第34-38页 |
| 4.1.1 数据收集 | 第34-36页 |
| 4.1.2 数据预处理 | 第36-37页 |
| 4.1.3 实例数据集描述 | 第37-38页 |
| 4.2 功能框架 | 第38-39页 |
| 4.3 评价指标 | 第39-40页 |
| 4.4 实验分析与结果 | 第40-50页 |
| 4.4.1 实验环境 | 第40页 |
| 4.4.2 主要功能实现 | 第40-44页 |
| 4.4.3 参数验证 | 第44页 |
| 4.4.4 实验分析 | 第44-46页 |
| 4.4.5 实验结果对比 | 第46-49页 |
| 4.4.6 运行效率对比 | 第49-50页 |
| 4.5 模型应用拓展 | 第50-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 5.1 全文总结 | 第52-53页 |
| 5.2 本文的不足及展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 个人简历 | 第59页 |
