摘要
第1章 绪论
1.1 数据挖掘主题模型研究背景
1.1.1 数据挖掘的步骤
1.1.2 主题模型与潜在语义分析
1.2 语义Web简介
1.3 中医药信息学简介
1.3.1 中医的理论体系
1.3.2 中医药的科学属性
1.3.3 中医药和数据挖掘
1.3.4 Spora数据挖掘平台
1.4 本文的研究目的
1.5 本文主要研究内容
1.6 本文组织结构
1.7 本章小结
第2章 主题模型研究综述
2.1 向量空间模型
2.1.1 单词的权重
2.1.2 文档距离度量
2.2 奇异值分解与LSA
2.3 概率隐含语义分析pLSA
2.3.1 pLSA数学模型
2.3.2 求解模型参数
2.3.3 pLSA的一些改进版本
2.3.4 pLSA的优势和不足
2.4 潜在狄利克雷分配LDA
2.5 主题模型与非负矩阵分解
2.6 本章小结
第3章 主题模型应用于中医药数据挖掘
3.1 中医药数据挖掘与中西医药物发现
3.2 LDA模型的中医药处方数据解释
3.3 LDA策略
3.3.1 先验的设定
3.3.2 主题数目的确定
3.4 算法
3.4.1 Gibbs采样
3.4.2 基于Gibbs采样的LDA算法
3.5 改进Gibbs-LDA算法
3.6 实验结果
3.7 本章小结
第4章 主题模型的语义融合
4.1 本体和语义Web
4.1.1 资源描述框架RDF
4.1.2 中医药本体库
4.2 主题数据的语义表达
4.2.1 主题模型的语义
4.2.1 生成主题模型语义RDF文档
4.3 语义数据可视化
4.3.1 中医药主题模型可视化
4.3.2 生成网络图
4.3.3 实验结果
4.4 本章小结
第5章 主题模型集成到Spora数据挖掘平台
5.1 Spora数据挖掘平台
5.2 Spora数据挖掘平台工作原理
5.2.1 Spora的架构
5.2.2 实验的配置
5.3 集成主题模型挖掘算子
5.4 运行主题模型挖掘实验
5.5 本章小结
第6章 海量资源的用户权限管理
6.1 用户IAM系统简介
6.2 需求和挑战
6.3 系统设计和实现
6.3.1 MongoDB中数据集合设计
6.3.2 资源权限管理
6.3.3 权限验证流程
6.3.4 设计思想
6.4 本章小结
第7章 总结与展望
7.1 本文总结
7.2 未来展望
参考文献
攻读硕士学位期间主要的研究成果
致谢