基于动态主题模型的领域专家识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 领域专家识别 | 第12-13页 |
| 1.2.2 专家建模 | 第13-14页 |
| 1.2.3 专家团队生成 | 第14页 |
| 1.3 论文的研究内容 | 第14-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关技术综述 | 第18-24页 |
| 2.1 LDA主题模型 | 第18-19页 |
| 2.2 动态主题模型 | 第19-21页 |
| 2.3 链路分析算法 | 第21-22页 |
| 2.4 社团发现算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 主题模型在社交网络中的专家识别 | 第24-37页 |
| 3.1 框架流程描述 | 第24-25页 |
| 3.2 专家信息与问题信息的构建 | 第25-29页 |
| 3.3 权威度分析与匹配 | 第29-31页 |
| 3.4 相关实验 | 第31-35页 |
| 3.4.1 数据描述与参数设定 | 第31-32页 |
| 3.4.2 评价指标 | 第32-33页 |
| 3.4.3 对比实验与结果 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 动态主题模型在文本数据中的领域专家识别 | 第37-46页 |
| 4.1 动态主题模型的语料处理 | 第37-38页 |
| 4.2 领域专家识别框架 | 第38-41页 |
| 4.2.1 框架流程介绍 | 第38-40页 |
| 4.2.2 专家建模 | 第40-41页 |
| 4.3 相关实验 | 第41-45页 |
| 4.3.1 数据描述与参数设定 | 第41-42页 |
| 4.3.2 评价指标 | 第42-43页 |
| 4.3.3 对比实验与结果 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 多源数据融合生成专家团队 | 第46-53页 |
| 5.1 多源信息融合 | 第46-48页 |
| 5.2 专家团队生成 | 第48-50页 |
| 5.3 实验结果展示 | 第50-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第六章 结束语 | 第53-56页 |
| 6.1 论文总结 | 第53-54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |
