长文本辅助短文本的知识迁移聚类方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 表格索引 | 第12-13页 |
| 插图索引 | 第13-14页 |
| 缩略词对照表 | 第14-15页 |
| 第一章 绪论 | 第15-19页 |
| 第二章 国内外研究现状 | 第19-23页 |
| ·短文本挖掘 | 第19页 |
| ·迁移学习 | 第19-20页 |
| ·主题模型 | 第20-22页 |
| ·隐含语义分析(LSA) | 第20-21页 |
| ·概率隐含语义分析(pLSA) | 第21-22页 |
| ·隐含狄利克雷分配(LDA) | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 背景知识 | 第23-31页 |
| ·隐含狄利克雷分配(LDA) | 第23-24页 |
| ·模型推导 | 第24-29页 |
| ·LDA 的一些扩展 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 模型设计 | 第31-41页 |
| ·任务描述 | 第31-32页 |
| ·α-DLDA | 第32-34页 |
| ·模型描述 | 第33-34页 |
| ·基于吉布斯采样的参数估计 | 第34页 |
| ·γ-DLDA | 第34-39页 |
| ·模型描述 | 第35页 |
| ·基于吉布斯采样的参数估计 | 第35-39页 |
| ·利用隐含主题的聚类 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验与讨论 | 第41-55页 |
| ·数据集 | 第41-42页 |
| ·评价指标 | 第42-44页 |
| ·纯度(Purity) | 第42-43页 |
| ·商(Entropy) | 第43页 |
| ·正则化互信息(NMI) | 第43-44页 |
| ·DBI | 第44页 |
| ·基线方法和实现细节 | 第44-46页 |
| ·结果 | 第46-48页 |
| ·参数和辅助数据集的影响 | 第48-53页 |
| ·超参数 | 第48-49页 |
| ·主题个数 | 第49-50页 |
| ·辅助数据 | 第50-51页 |
| ·不相关数据 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 全文总结 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
