| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 主题挖掘模型概述 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 研究内容 | 第12-13页 |
| 1.5 文章组织结构 | 第13-15页 |
| 第二章 相关工作 | 第15-25页 |
| 2.1 安卓手机市场 | 第15-16页 |
| 2.1.1 安卓市场 | 第15页 |
| 2.1.2 手机应用程序 | 第15-16页 |
| 2.2 文本挖掘模型 | 第16-17页 |
| 2.2.1 VSM | 第16-17页 |
| 2.2.2 LSA与PLSA | 第17页 |
| 2.3 主题挖掘模型 | 第17-22页 |
| 2.3.1 LDA文本生成模型 | 第17-18页 |
| 2.3.2 MCMC方法和Gibbs采样 | 第18-22页 |
| 2.4 个性化推荐 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于combineLDA的主题挖掘模型 | 第25-34页 |
| 3.1 模型定义 | 第25-29页 |
| 3.1.1 用户评论信息的应用 | 第25-26页 |
| 3.1.2 用户评论信息生成过程建模 | 第26-27页 |
| 3.1.3 模型参数求解 | 第27-29页 |
| 3.2 combineLDA主题模型 | 第29-31页 |
| 3.2.1 App自身内容信息的引入 | 第29-30页 |
| 3.2.2 combineLDA | 第30-31页 |
| 3.3 combineLDA模型参数求解 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于combineLDA的主题模型实现与应用 | 第34-46页 |
| 4.1 模型设计架构 | 第34-35页 |
| 4.2 数据采集 | 第35-39页 |
| 4.2.1 安卓手机市场开放平台API | 第35-37页 |
| 4.2.2 爬虫代码获取App内容信息 | 第37-39页 |
| 4.3 语料库建设 | 第39-40页 |
| 4.3.1 抽取数据的保存 | 第39页 |
| 4.3.2 分词过程 | 第39-40页 |
| 4.4 combineLDA模型实现 | 第40-44页 |
| 4.5 个性化推荐应用 | 第44-46页 |
| 第五章 实验与分析 | 第46-53页 |
| 5.1 实验环境 | 第46页 |
| 5.2 主题模型实验结果与分析 | 第46-50页 |
| 5.2.1 combineLDA模型参数的确定 | 第46-48页 |
| 5.2.2 主题模型对比实验结果 | 第48-50页 |
| 5.3 个性化推荐模型结果与对比 | 第50-53页 |
| 5.3.1 只基于用户评论信息的App推荐 | 第50页 |
| 5.3.2 用户评论与App内容介绍结合的用户推荐 | 第50-51页 |
| 5.3.3 推荐模型的对比实验 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间申请的专利 | 第58-59页 |
| 致谢 | 第59页 |