| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·论文研究背景 | 第9-10页 |
| ·文本挖掘的发展 | 第10-12页 |
| ·相关研究 | 第12-15页 |
| ·基于LDA的相关研究 | 第12-13页 |
| ·挖掘文本主题的相关研究 | 第13-14页 |
| ·文本可视分析的相关研究 | 第14-15页 |
| ·研究意义和内容 | 第15-16页 |
| ·研究意义 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 挖掘文本主题的相关技术及可视化工具 | 第17-26页 |
| ·中文文本分词 | 第17页 |
| ·LDA模型与GIBBS抽样 | 第17-23页 |
| ·符号和定义 | 第17-18页 |
| ·多项式(Multinomial)分布和狄利克雷(Dirichlet)分布 | 第18-19页 |
| ·LDA模型 | 第19-20页 |
| ·使用Gibbs Sampling近似计算LDA | 第20-21页 |
| ·推导LDAGibbs | 第21-22页 |
| ·LDAGibbs算法 | 第22-23页 |
| ·基于SVM的文本分类 | 第23-24页 |
| ·文本可视化的开发工具 | 第24-25页 |
| ·Processing | 第24-25页 |
| ·Python+Pygrathviz | 第25页 |
| ·R+Illustrator | 第25页 |
| ·文本可视化开发工具的对比 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于LDA模型抽取文档主题的方法 | 第26-32页 |
| ·引言 | 第26页 |
| ·相关研究 | 第26-27页 |
| ·基于概率主题模型挖掘文本主题语义 | 第27-29页 |
| ·基于LDA模型的文本建模 | 第28页 |
| ·在主题～词项分布的基础上挖掘文档主题 | 第28-29页 |
| ·实验结果及分析 | 第29-31页 |
| ·实验方案 | 第29页 |
| ·实验结果及分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于LDA模型挖掘招聘信息的技术主题的研究 | 第32-38页 |
| ·引言 | 第32页 |
| ·相关研究 | 第32-33页 |
| ·基于LDA模型挖掘招聘信息的技术主题 | 第33-35页 |
| ·预处理 | 第34页 |
| ·基于LDA模型的文本建模 | 第34页 |
| ·抽取技术相关句 | 第34-35页 |
| ·生成招聘信息的技术主题 | 第35页 |
| ·评价方式 | 第35页 |
| ·实验及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 LDA模型在文本静态可视化方面的应用研究 | 第38-45页 |
| ·引言 | 第38页 |
| ·相关研究 | 第38-39页 |
| ·基于LDA模型的文本静态可视化的研究 | 第39-41页 |
| ·主题集 | 第40页 |
| ·计算主题权值 | 第40页 |
| ·确定主题的布局 | 第40-41页 |
| ·实验及分析 | 第41-42页 |
| ·本章小结 | 第42-45页 |
| 第六章 总结与展望 | 第45-47页 |
| ·论文工作总结 | 第45页 |
| ·工作展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的学术论文目录 | 第54页 |