基于LDA模型的文本聚类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 选题背景和研究意义 | 第7-8页 |
| 1.2 本文主要内容 | 第8页 |
| 1.3 论文的结构安排 | 第8-10页 |
| 第2章 相关理论与关键技术 | 第10-16页 |
| 2.1 数据挖掘 | 第10-11页 |
| 2.1.1 数据挖掘主要任务 | 第10页 |
| 2.1.2 数据挖掘主要步骤 | 第10-11页 |
| 2.2 文本聚类的相关技术 | 第11-15页 |
| 2.2.1 文本聚类步骤 | 第11页 |
| 2.2.2 文本预处理 | 第11-12页 |
| 2.2.3 文本模型表示 | 第12-13页 |
| 2.2.4 文档间相似度度量准则 | 第13-14页 |
| 2.2.5 文本聚类主要算法 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第3章 基于LDA模型的文本聚类 | 第16-25页 |
| 3.1 统计模型简介 | 第16-19页 |
| 3.1.1 VSM模型 | 第16-17页 |
| 3.1.2 一元混合模型 | 第17页 |
| 3.1.3 LSI模型 | 第17-18页 |
| 3.1.4 PLSI模型 | 第18-19页 |
| 3.2 LDA模型 | 第19-25页 |
| 3.2.1 基于LDA主题模型的文本聚类 | 第19页 |
| 3.2.2 LDA主题模型 | 第19-22页 |
| 3.2.3 参数估计-Gibbs 采样 | 第22-24页 |
| 3.2.4 基于 LDA 模型的文本相似度计算 | 第24-25页 |
| 第4章 实验结果与分析 | 第25-30页 |
| 4.1 文本建模过程 | 第25-28页 |
| 4.2 实验结果与分析 | 第28-29页 |
| 4.2.1 聚类结果 | 第28-29页 |
| 4.2.2 聚类结果分析 | 第29页 |
| 4.3 本章小结 | 第29-30页 |
| 第5章 总结与展望 | 第30-31页 |
| 参考文献 | 第31-33页 |
| 致谢 | 第33-34页 |
