基于并行IB的多语种文本聚类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与研究现状 | 第9-11页 |
| 1.1.1 文本聚类研究现状 | 第9-10页 |
| 1.1.2 多语种文本聚类研究现状 | 第10-11页 |
| 1.2 本文工作概述 | 第11-12页 |
| 1.3 本文的内容与结构 | 第12-14页 |
| 2 背景知识 | 第14-27页 |
| 2.1 相关定义 | 第14-18页 |
| 2.1.1 符号定义 | 第14页 |
| 2.1.2 熵 | 第14-15页 |
| 2.1.3 互信息 | 第15-17页 |
| 2.1.4 KL距离 | 第17页 |
| 2.1.5 JS距离 | 第17-18页 |
| 2.1.6 贝叶斯网络 | 第18页 |
| 2.1.7 多信息 | 第18页 |
| 2.2 IB方法 | 第18-22页 |
| 2.2.1 率失真理论 | 第18-19页 |
| 2.2.2 IB方法 | 第19-21页 |
| 2.2.3 相关变量 | 第21-22页 |
| 2.3 s IB算法 | 第22-24页 |
| 2.4 多元IB方法 | 第24-26页 |
| 2.4.1 并行IB | 第24-25页 |
| 2.4.2 对称IB | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于并行IB的多语种文本聚类算法 | 第27-33页 |
| 3.1 多语种文本的相关变量构造 | 第27-28页 |
| 3.2 ML-PIB算法的基本思想 | 第28-29页 |
| 3.3 ML-PIB算法描述及目标函数 | 第29-31页 |
| 3.4 ML-PIB算法复杂度分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 实验与性能分析 | 第33-43页 |
| 4.1 实验环境 | 第33页 |
| 4.2 实验数据集 | 第33-34页 |
| 4.3 评估指标 | 第34-35页 |
| 4.4 实验设计 | 第35-36页 |
| 4.5 实验结果分析 | 第36-41页 |
| 4.5.1 与s IB方法的对比 | 第36-38页 |
| 4.5.2 与传统聚类算法的对比 | 第38-39页 |
| 4.5.3 与其它多语种文本聚类算法的对比 | 第39-41页 |
| 4.6 收敛性分析 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| 5.1 工作总结 | 第43页 |
| 5.2 下一步工作 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 个人简介、在学期间发表的学术论文与研究成果 | 第51页 |
