摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.3 论文的主要研究内容 | 第14页 |
1.4 论文的组织结构 | 第14-16页 |
第二章 相关理论和技术 | 第16-24页 |
2.1 跨媒体信息检索 | 第16-17页 |
2.2 主题模型 | 第17-20页 |
2.2.1 潜在狄利克雷主题模型 | 第17-18页 |
2.2.2 TNG模型 | 第18-20页 |
2.3 相似度计算 | 第20-22页 |
2.3.1 相似度度量 | 第20-21页 |
2.3.2 距离度量 | 第21-22页 |
2.4 共现显著性的度量 | 第22-23页 |
2.4.1 互信息 | 第22页 |
2.4.2 对数似然比检验 | 第22-23页 |
2.4.3 Poisson significance measure | 第23页 |
2.5 本章小结 | 第23-24页 |
第三章 基于TNG主题模型的社交媒体文本上下文衔接研究 | 第24-34页 |
3.1 问题引入 | 第24-25页 |
3.2 基于TNG主题模型的社交媒体文本上下文衔接研究 | 第25-29页 |
3.2.1 TNG主题建模算法 | 第26-27页 |
3.2.2 社交媒体文本分类算法 | 第27-28页 |
3.2.3 基于词共现的主题调整算法 | 第28-29页 |
3.3 实验结果分析 | 第29-33页 |
3.3.1 最优主题数目实验结果分析 | 第29-30页 |
3.3.2 主题与社交媒体上下文连接实验结果对比与分析 | 第30-33页 |
3.4 本章小结 | 第33-34页 |
第四章 基于WMD文本距离的社交媒体文本上下文衔接研究 | 第34-43页 |
4.1 问题引入 | 第34-35页 |
4.2 基于WMD文本距离的社交媒体文本上下文衔接研究 | 第35-41页 |
4.2.1 获取词向量 | 第35-38页 |
4.2.2 文本距离的计算 | 第38-40页 |
4.2.3 社交媒体文本分类算法 | 第40-41页 |
4.3 实验结果分析 | 第41-42页 |
4.3.1 对比方法 | 第41页 |
4.3.2 主题与社交媒体上下文连接实验结果对比与分析 | 第41-42页 |
4.4 本章小结 | 第42-43页 |
第五章 工作总结与展望 | 第43-45页 |
5.1 工作总结 | 第43页 |
5.2 工作展望 | 第43-45页 |
参考文献 | 第45-48页 |
攻读硕士学位期间参加的科研项目 | 第48-49页 |
致谢 | 第49-50页 |