首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于主题概率模型的科技论文分类算法研究

摘要第4-6页
abstract第6-7页
第1章 绪论第11-15页
    1.1 研究背景与意义第11-12页
    1.2 研究现状及相关技术发展第12-13页
    1.3 本文主要工作第13-14页
    1.4 本文组织结构第14-15页
第2章 相关工作第15-26页
    2.1 科技论文分类过程第15-16页
    2.2 科技论文检索模型第16-21页
        2.2.1 布尔检索模型第16-17页
        2.2.2 向量空间模型第17-18页
        2.2.3 主题概率模型第18-21页
    2.3 分类方法第21-25页
        2.3.1 k-近邻算法第21-22页
        2.3.2 支持向量机算法第22-23页
        2.3.3 贝叶斯算法第23页
        2.3.4 决策树算法第23-24页
        2.3.5 逻辑回归算法第24-25页
        2.3.6 组合分类法第25页
    2.4 本章小结第25-26页
第3章 基于变分自编码的主题模型研究及推理第26-36页
    3.1 变分自编码器第26-27页
    3.2 自编码变分贝叶斯推理第27-29页
    3.3 基于自编码变分贝叶斯的主题模型第29-32页
        3.3.1 softmax函数第30页
        3.3.2 线性整流函数第30-31页
        3.3.3 转化为半监督算法第31-32页
    3.4 缺陷解决第32-35页
        3.4.1 再参数化第33-34页
        3.4.2 组件崩溃第34-35页
    3.5 本章小结第35-36页
第4章 实验与分析第36-52页
    4.1 数据获取第37-38页
    4.2 数据预处理第38-41页
        4.2.1 分词第38页
        4.2.2 去停留词第38-39页
        4.2.3 词形规范化第39-40页
        4.2.4 生成TF-IDF向量第40页
        4.2.5 特征选择第40-41页
    4.3 评价指标第41-42页
    4.4 实验设计及结果分析第42-50页
        4.4.1 实验设计第42-44页
        4.4.2 模型评估第44页
        4.4.3 实验结果分析第44-50页
    4.5 实验结论第50-51页
    4.6 本章小结第51-52页
第5章 总结与展望第52-54页
    5.1 工作总结第52-53页
    5.2 工作展望第53-54页
参考文献第54-60页
作者简介及在学期间所取得的科研成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于子聚类的图像检索改进算法
下一篇:MapReduce模型下基于SR树的Reverse Skyline查询算法研究