| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-20页 |
| 1.2.1 LDA主题模型介绍 | 第11-12页 |
| 1.2.2 LDA主流推理算法介绍 | 第12-16页 |
| 1.2.3 LDA各推理算法对比研究现状 | 第16-17页 |
| 1.2.4 LDA先验参数理解研究现状 | 第17-18页 |
| 1.2.5 LDA加速算法研究现状 | 第18-20页 |
| 1.3 目前存在的主要问题 | 第20页 |
| 1.4 本文主要工作及创新点 | 第20-22页 |
| 1.5 本文组织结构 | 第22-23页 |
| 第二章 LDA推理算法预测能力对比研究 | 第23-35页 |
| 2.1 熵的相关概念介绍 | 第23-25页 |
| 2.1.1 信息熵 | 第23页 |
| 2.1.2 交叉熵 | 第23-24页 |
| 2.1.3 相对熵 | 第24-25页 |
| 2.2 在熵的框架下理解LDA及其推理算法的预测能力 | 第25-31页 |
| 2.2.1 在熵的框架下理解LDA的优化目标 | 第25页 |
| 2.2.2 在熵的框架下理解LDA推理算法的优化目标 | 第25-28页 |
| 2.2.3 在熵的框架下理解pLSA和NMF的优化目标以及与LDA交叉熵优化目标的关系 | 第28-30页 |
| 2.2.4 在熵的框架下理解LDA常用的预测能力评价指标 | 第30-31页 |
| 2.3 实验分析 | 第31-34页 |
| 2.3.1 使用数据集及实验细节介绍 | 第31-32页 |
| 2.3.2 实验结果与分析 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 LDA推理算法先验参数作用研究 | 第35-46页 |
| 3.1 狄利克雷分布及其先验参数介绍 | 第35-36页 |
| 3.2 在熵的框架下理解LDA先验参数对模型预测能力的影响 | 第36-40页 |
| 3.2.1 在熵的框架下理解狄利克雷超参对模型预测能力的影响 | 第36-38页 |
| 3.2.2 一种用于寻找推理算法最优超参值次优解的网格搜索算法 | 第38-39页 |
| 3.2.3 在熵的框架下理解主题数对模型预测能力的影响 | 第39-40页 |
| 3.3 实验分析 | 第40-44页 |
| 3.3.1 使用数据集及实验细节介绍 | 第41页 |
| 3.3.2 实验结果与分析 | 第41-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 LDA加速算法改进与对比研究 | 第46-60页 |
| 4.1 目前LDA加速算法的主流加速思想总结 | 第46-47页 |
| 4.2 一种新的基于EM的加速算法AEM | 第47-53页 |
| 4.2.1 动态主题调度 | 第47-50页 |
| 4.2.2 算法实现及相关细节介绍 | 第50-52页 |
| 4.2.3 时空复杂度分析 | 第52-53页 |
| 4.3 实验分析 | 第53-59页 |
| 4.3.1 使用数据集及实验细节介绍 | 第53-55页 |
| 4.3.2 基于EM的加速算法收敛速度实验结果与分析 | 第55-56页 |
| 4.3.3 基于各推理算法的加速算法收敛速度实验结果与分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 发表文章目录及参与的科研项目 | 第69-70页 |
| 致谢 | 第70-71页 |
