基于机器学习的中文书目自动分类的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 文章组织结构 | 第12-14页 |
| 第二章 相关研究 | 第14-23页 |
| 2.1 中文书目自动分类概述 | 第14-15页 |
| 2.2 特征提取 | 第15-17页 |
| 2.2.1 TF-IDF模型 | 第15-16页 |
| 2.2.2 LDA主题模型 | 第16-17页 |
| 2.3 分类模型 | 第17-23页 |
| 2.3.1 支持向量机 | 第17-19页 |
| 2.3.2 BP神经网络 | 第19-21页 |
| 2.3.3 极限学习机 | 第21-23页 |
| 第三章 图书特征提取方法的研究 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 数据预处理 | 第23-24页 |
| 3.3 图书混合特征的获取 | 第24-26页 |
| 3.3.1 基于LDA的图书摘要特征 | 第24-26页 |
| 3.3.2 基于TF-IDF的图书标题特征 | 第26页 |
| 3.4 实验结果及分析 | 第26-31页 |
| 3.4.1 实验数据选择 | 第26-28页 |
| 3.4.2 词频加权对LDA模型的影响 | 第28-29页 |
| 3.4.3 基于困惑度的最优主题数确定 | 第29页 |
| 3.4.4 摘要和标题权重的设置 | 第29-30页 |
| 3.4.5 混合特征模型和普通特征模型的对比 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于极限学习机的中文书目自动分类模型 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 基于极限学习机的中文图书自动分类 | 第32-35页 |
| 4.2.1 模型概述 | 第32-33页 |
| 4.2.2 算法描述 | 第33页 |
| 4.2.3 其他算法实现 | 第33-35页 |
| 4.3 实验及分析 | 第35-41页 |
| 4.3.1 极限学习机中激活函数对比 | 第35-36页 |
| 4.3.2 极限学习机中隐藏节点的选取 | 第36-39页 |
| 4.3.3 极限学习机与其他算法对比 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 中文书目自动分类系统的设计与实现 | 第42-49页 |
| 5.1 系统概述 | 第42页 |
| 5.2 开发环境 | 第42页 |
| 5.3 总体设计 | 第42-44页 |
| 5.4 系统展示 | 第44-49页 |
| 第六章 总结与展望 | 第49-52页 |
| 6.1 总结 | 第49-50页 |
| 6.2 未来展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
