基于LDA模型的中文微博主题挖掘
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-12页 |
| 1.2.1 主题挖掘技术的研究现状 | 第10-11页 |
| 1.2.2 微博主题挖掘的研究现状 | 第11-12页 |
| 1.3 本文主要研究工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关理论与技术介绍 | 第15-26页 |
| 2.1 LDA模型相关知识 | 第15-21页 |
| 2.1.1 参数估计方法 | 第15-19页 |
| 2.1.2 Dirichlet分布与共轨分布 | 第19页 |
| 2.1.3 文本建模 | 第19-21页 |
| 2.2 数据采集与预处理技术 | 第21-25页 |
| 2.2.1 数据采集技术 | 第21-24页 |
| 2.2.2 预处理技术 | 第24-25页 |
| 2.3 本章总结 | 第25-26页 |
| 第三章 基于改进LDA模型的微博主题发现 | 第26-46页 |
| 3.1 LDA模型概述 | 第26-31页 |
| 3.1.1 LDA基本原理 | 第26-28页 |
| 3.1.2 LDA的Gibbs采样推导 | 第28-31页 |
| 3.2 MB-WLDA模型 | 第31-36页 |
| 3.2.1 微博数据特征分析 | 第31-33页 |
| 3.2.2 MB-WLDA模型 | 第33-36页 |
| 3.3 微博主题挖掘的流程 | 第36-39页 |
| 3.3.1 整体流程 | 第36-38页 |
| 3.3.2 主题排序算法 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-45页 |
| 3.4.1 基于困惑度的性能分析 | 第40-41页 |
| 3.4.2 实验效果分析 | 第41-45页 |
| 3.5 本章总结 | 第45-46页 |
| 第四章 微博主题挖掘并行化的研究与实现 | 第46-63页 |
| 4.1 Hadoop技术 | 第46-49页 |
| 4.1.1 Apache Hadoop体系结构 | 第46-47页 |
| 4.1.2 MapReduce编程模型 | 第47-48页 |
| 4.1.3 分布式文件系统HDFS | 第48-49页 |
| 4.2 并行MB-WLDA模型 | 第49-51页 |
| 4.3 微博主题挖掘并行处理的实现 | 第51-58页 |
| 4.3.1 词表生成模块 | 第51-53页 |
| 4.3.2 MB-WLDA初始化模块 | 第53-55页 |
| 4.3.3 Gibbs采样模块 | 第55-58页 |
| 4.4 实验结果与分析 | 第58-62页 |
| 4.4.1 试验环境 | 第58-59页 |
| 4.4.2 实验数据与参数设置 | 第59页 |
| 4.4.3 效率评估实验 | 第59-60页 |
| 4.4.4 可拓展性实验 | 第60-62页 |
| 4.5 本章总结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 下一步的研究工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表或己录用的学术论文 | 第69页 |
