基于香农熵和互信息的主题优化方法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 本文主要工作和贡献 | 第16-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第2章 相关理论概述 | 第19-33页 |
| 2.1 LDA主题模型 | 第19-30页 |
| 2.1.1 文本表示及建模 | 第19-21页 |
| 2.1.2 LDA文本建模 | 第21-24页 |
| 2.1.3 变分推断及参数估计 | 第24-26页 |
| 2.1.4 吉布斯采样参数估计 | 第26-30页 |
| 2.2 相关分类器 | 第30-32页 |
| 2.2.1 最大熵模型 | 第30-31页 |
| 2.2.2 决策树模型 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 主题词优化方法的研究及应用 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于香农熵的主题词优化 | 第34-41页 |
| 3.2.1 香农熵优化主题词 | 第34-35页 |
| 3.2.2 文本分类实验设计 | 第35-39页 |
| 3.2.3 香农熵的主题词优化实验结果 | 第39-41页 |
| 3.3 基于互信息的主题词优化 | 第41-45页 |
| 3.3.1 互信息优化主题词 | 第41-42页 |
| 3.3.2 互信息的主题词优化实验结果 | 第42-45页 |
| 3.4 香农熵和互信息的融合 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 主题优化方法的研究及应用 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 基于香农熵的主题优化 | 第50-54页 |
| 4.2.1 香农熵的主题优化 | 第50-51页 |
| 4.2.2 香农熵的主题优化实验结果 | 第51-54页 |
| 4.3 基于互信息的主题优化 | 第54-58页 |
| 4.3.1 互信息的主题优化 | 第54-56页 |
| 4.3.2 互信息的主题优化实验结果 | 第56-58页 |
| 4.4 香农熵和互信息的结合 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
