基于对话内容的交互型文本会话主题挖掘
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 相关概念 | 第10页 |
| 1.4 研究现状 | 第10-12页 |
| 1.4.1 发展概况 | 第10-11页 |
| 1.4.2 主要技术难点 | 第11-12页 |
| 1.5 选题意义 | 第12-13页 |
| 1.6 论文主要工作 | 第13-14页 |
| 1.7 论文组织结构 | 第14-15页 |
| 第2章 相关理论与技术 | 第15-23页 |
| 2.1 文本分类 | 第15-17页 |
| 2.2 LDA模型 | 第17-20页 |
| 2.2.1 主题模型 | 第17-18页 |
| 2.2.2 贝叶斯推断 | 第18-19页 |
| 2.2.3 相关概率统计理论 | 第19-20页 |
| 2.2.4 LDA模型 | 第20页 |
| 2.3 云计算平台 | 第20-22页 |
| 2.3.1 Hadoop | 第20-21页 |
| 2.3.2 Storm | 第21页 |
| 2.3.3 Kafka | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于对话内容的交互型文本会话主题挖掘 | 第23-33页 |
| 3.1 概述 | 第23页 |
| 3.2 会话主题生成模型 | 第23-30页 |
| 3.2.1 构建对话生成树 | 第23-25页 |
| 3.2.2 模型定义 | 第25-26页 |
| 3.2.3 模型推导与主题挖掘 | 第26-29页 |
| 3.2.4 模型的延伸 | 第29-30页 |
| 3.3 实证分析 | 第30-32页 |
| 3.3.1 实验环境 | 第30页 |
| 3.3.2 实验设置 | 第30-31页 |
| 3.3.3 实验结果分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于云平台的ST-LDA模型并行化计算 | 第33-45页 |
| 4.1 环境搭建 | 第33-39页 |
| 4.1.1 Hadoop环境 | 第33-35页 |
| 4.1.2 Hive环境 | 第35-37页 |
| 4.1.3 Storm环境 | 第37-39页 |
| 4.2 并行化计算流程 | 第39页 |
| 4.3 数据接入 | 第39-40页 |
| 4.4 文档主题挖掘 | 第40-42页 |
| 4.4.1 消息处理 | 第41-42页 |
| 4.4.2 分析结果存储 | 第42页 |
| 4.5 会话分割 | 第42-43页 |
| 4.6 会话主题挖掘 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 应用与实现 | 第45-52页 |
| 5.1 应用场景 | 第45-46页 |
| 5.2 系统架构 | 第46-48页 |
| 5.3 数据库设计 | 第48-50页 |
| 5.4 系统实现 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |
