基于主题模型的主题演化分析及预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究和进展 | 第9-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文章节安排 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-19页 |
| 2.1 向量空间模型 | 第12-13页 |
| 2.2 概率主题模型 | 第13-16页 |
| 2.2.1 潜在语义索引模型 | 第14页 |
| 2.2.2 概率潜在语义索引模型 | 第14-16页 |
| 2.3 潜在狄利克雷分配模型 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于LDA模型的文本主题演化 | 第19-30页 |
| 3.1 主题演化 | 第19-21页 |
| 3.1.1 主题相似度 | 第19-20页 |
| 3.1.2 主题强度 | 第20-21页 |
| 3.2 基于LDA模型的文本主题演化 | 第21-26页 |
| 3.2.1 算法框架 | 第21-22页 |
| 3.2.2 文本预处理 | 第22页 |
| 3.2.3 LDA建模 | 第22-23页 |
| 3.2.4 主题过滤方法 | 第23-24页 |
| 3.2.5 主题演化分析 | 第24-26页 |
| 3.3 实验 | 第26-28页 |
| 3.3.1 主题过滤 | 第26-27页 |
| 3.3.2 主题强度演化 | 第27-28页 |
| 3.3.3 主题内容演化 | 第28页 |
| 3.4 本章小结 | 第28-30页 |
| 第四章 结合马尔科夫链的文本主题演化预测 | 第30-38页 |
| 4.1 基础知识 | 第30-32页 |
| 4.1.1 离散时间马尔科夫链 | 第30-31页 |
| 4.1.2 连续时间马尔科夫链 | 第31页 |
| 4.1.3 马尔科夫链建模步骤 | 第31-32页 |
| 4.2 基于LDA的科技文献演化研究 | 第32-35页 |
| 4.2.1 算法框架 | 第32-33页 |
| 4.2.2 主题识别及关联 | 第33页 |
| 4.2.3 马尔科夫链建模 | 第33-35页 |
| 4.3 实验结果与讨论 | 第35-36页 |
| 4.3.1 文献主题挖掘 | 第35页 |
| 4.3.2 马尔科夫链预测 | 第35-36页 |
| 4.4 本章小结 | 第36-38页 |
| 第五章 基于非参贝叶斯方法的主题演化预测 | 第38-50页 |
| 5.1 基础知识 | 第38-44页 |
| 5.1.1 主题数目的确定 | 第38-39页 |
| 5.1.2 狄利克雷过程 | 第39-42页 |
| 5.1.3 层次狄利克雷过程 | 第42-43页 |
| 5.1.4 LDA模型和HDP模型的比较 | 第43-44页 |
| 5.2 基于层次狄利克雷过程的文本主题演化 | 第44-47页 |
| 5.2.1 算法框架 | 第44-45页 |
| 5.2.2 HDP建模 | 第45-46页 |
| 5.2.3 主题强度演化 | 第46-47页 |
| 5.2.4 主题演化预测 | 第47页 |
| 5.3 实验 | 第47-49页 |
| 5.3.1 主题强度演化 | 第48页 |
| 5.3.2 主题演化预测 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 致谢 | 第56页 |
