面向短文本的主題模型技術

吳迪

面向短文本的主題模型技術
  • 出版商: 冶金工業
  • 出版日期: 2022-04-01
  • 定價: $408
  • 售價: 8.5 折 $347
  • 語言: 簡體中文
  • 頁數: 174
  • 裝訂: 平裝
  • ISBN: 7502490256
  • ISBN-13: 9787502490256

    • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

商品描述

本書系統地介紹了主題模型緊密相關的基本理論、
實用技術及其在微博、彈幕等社交媒體短文本中的應用。
全書首先從主題模型產生的背景、定義、分類和應用入手，
概述了主題模型相關技術理論和未來發展趨勢，
然後分別對面向微博評論的LDA主題模型、面向微博熱點話題分析與演化的BTM主題模型、
面向彈幕短文本分析與演化的oBTM主題模型進行深入的剖析和驗證。
本書學術思想新穎、內容系統、理論性和實用性強，可供從事人工智能、
計算機科學技術、軟件工程及相關專業的科研人員和高等院校相關專業的師生學習和參考。

目錄大綱

1 主題模型概述
1.1 主題模型產生背景
1.2 主題模型定義
1.3 概率主題模型
1.3.1 狄利克雷概率主題模型
1.3.2 動態主題模型
1.3.3 監督主題模型
1.3.4 情感主題模型
1.4 其他主題模型
1.4.1 神經網絡主題模型
1.4.2 聯合訓練主題模型
1.4.3 非LDA主題模型
1.5 主題模型應用
1.5.1 社交媒體數據挖掘
1.5.2 文本分類和聚類
1.5.3 網絡輿情分析
1.5.4 圖像處理
1.5.5 社區發現
1.6 主題模型未來研究方向
1.6.1 模型性能擴展
1.6.2 新媒體文本應用
1.6.3 文檔級語義分析
1.6.4 參數學優化
1.6.5 生成對抗網絡文本生成
1.7 本章小結
2 面向評論短文本的LDA主題模型
2.1 研究背景及意義
2.2 國內外研究現狀
2.2.1 評論短文本聚類
2.2.2 LDA主題模型短文本聚類
2.3 融合情感詞共現和知識對特徵提取的LDA主題模型
2.3.1 問題描述
2.3.2 SKP-LDA算法設計
2.4 融合情感主題特徵詞加權的LDA主題模型
2.4.1 問題描述
2.4.2 MCCWSFW算法設計
2.5 實驗
2.5.1 SKP-LDA實驗結果及分析
2.5.2 MCCWSFW實驗結果及分析
2.6 本章小結
3 面向熱點話題發現的BTM主題模型
3.1 研究背景及意義
3.2 國內外研究現狀
3.2.1 熱點話題發現研究現狀
3.2.2 熱點話題發現短文本聚類研究現狀
3.3 融合Doc2Vec和突發概率的BTM主題模型
3.3.1 問題描述
3.3.2 IBBTM&Doc算法設計
3.4 面向熱點話題發現短文本聚類的BTM主題模型
3.4.1 問題描述
3.4.2 BG&SLF-Kmeans算法設計
3.5 實驗
3.5.1 IBBTM&Doc實驗結果及分析
3.5.2 BG&SLF-Kmeans實驗結果及分析
3.6 本章小結
4 面向熱點話題演化的oBTM主題模型
4.1 研究背景及意義
4.2 國內外研究現狀
4.3 融合話題標籤和先驗參數的oBTM主題模型
4.3.1 問題描述
4.3.2 LPoBTM算法設計
4.4 LPoBTM實驗結果及分析
4.4.1 實驗數據採集
4.4.2 實驗環境搭建
4.4.3 優主題數選取
4.4.4 熱點話題演化測試
4.5 本章小結
5 面向彈幕短文本流分析的oBTM主題模型
5.1 研究背景及意義
5.2 國內外研究現狀
5.3 融合特徵擴展和詞對過濾的oBTM主題模型
5.3.1 問題描述
5.3.2 FEF-oBTM算法設計
5.4 FEF-oBTM實驗結果及分析
5.4.1 實驗數據採集及預處理
5.4.2 實驗環境搭建
5.4.3 評價指標
5.4.4 權重優化效果測試
5.4.5 優主題數選取
5.4.6 聚類效果測試
5.5 本章小結
6 面向彈幕短文本流演化的oBTM主題模型
6.1 研究背景及意義
6.2 國內外研究現狀
6.3 融合情感極性和影響函數的oBTM主題模型
6.3.1 問題描述
6.3.2 EI-oBTM算法設計
6.4 EI-oBTM實驗結果及分析
6.4.1 實驗數據採集及預處理
6.4.2 實驗環境搭建
6.4.3 評價指標
6.4.4 情感極性標註率測試
6.4.5 優主題數選取
6.4.6 主題演化測試
6.5 本章小結
參考文獻

類似商品