面向微博评论的LDA短文本聚类算法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 微博评论短文本聚类

1.2.2 LDA主题模型短文本聚类

1.3 论文研究内容及组织结构

1.3.1 论文内容

1.3.2 论文组织结构

1.4 本章小结

第2章 LDA主题模型短文本聚类关键技术

2.1 LDA主题模型

2.2 特征提取

2.3 词共现模型

2.4 本章小结

第3章 基于情感词共现和知识对特征提取的LDA短文本聚类算法

3.1 问题定义

3.1.1 基于情感词共现的词袋

3.1.2 主题特征词

3.1.3 主题关联词

3.2 SKP-LDA算法设计

3.2.1 微博短文本预处理

3.2.2 情感词共现

3.2.3 特征处理

3.2.4 相似性度量

3.2.5 知识对提取

3.2.6 知识对注入LDA一次聚类

3.2.7 K-means二次聚类

3.2.8 SKP-LDA算法分析

3.3 本章小结

第4章 基于情感主题特征词加权的微博评论聚类算法研究

4.1 问题定义

4.1.1 数据预处理

4.1.2 特征加权

4.2 MCCWSFW算法设计

4.2.1 词向量获取与相似度计算

4.2.2 特征选择

4.2.3 MCCWSFW算法分析

4.3 本章小结

第5章 算法实验仿真

5.1 SKP-LDA实验结果及分析

5.1.1 数据集来源

5.1.2 实验配置环境

5.1.3 聚类评价指标

5.1.4 最优主题特征词数测试

5.1.5 准确率测试

5.1.6 精确率、召回率和F-measure综合测试

5.2 MCCWSFW实验结果及分析

5.2.1 数据集来源

5.2.2 实验配置环境

5.2.3 聚类评价指标

5.2.4 情感主题特征词维度测试

5.2.5 准确率、召回率和F1值综合测试

5.2.6 时间效率测试

5.3 本章小结

结论

参考文献

攻读硕士期间发表的论文和科研成果

致谢

作者简介