基于中英文主题向量空间的文本分类算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号对照表 | 第12-14页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 概述 | 第14-15页 |
| 1.2 文本分类的国内外研究现状 | 第15-18页 |
| 1.3 本文的研究内容及文章结构 | 第18-20页 |
| 第2章 文本分类概述 | 第20-34页 |
| 2.1 文本分类问题描述 | 第20-21页 |
| 2.2 文本表示模型 | 第21-25页 |
| 2.2.1 基于词的文本表示法 | 第21-24页 |
| 2.2.2 基于主题的文本表示法 | 第24-25页 |
| 2.3 基于词向量的词移距离 | 第25-30页 |
| 2.3.1 词向量算法 | 第25-28页 |
| 2.3.2 词移距离 | 第28-30页 |
| 2.4 常用的分类算法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 中英文主题向量空间的构建 | 第34-50页 |
| 3.1 词共现矩阵统计 | 第34-35页 |
| 3.2 基于泊松无限相关模型的主题共现矩阵估计 | 第35-39页 |
| 3.2.1 无限相关模型 | 第35-37页 |
| 3.2.2 基于泊松无限相关模型的主题库提取 | 第37-38页 |
| 3.2.3 全局主题共现矩阵估计 | 第38-39页 |
| 3.3 基于主题共现矩阵的主题向量空间构建 | 第39-41页 |
| 3.4 中文多层级主题向量空间构建 | 第41-43页 |
| 3.5 实验结果与分析 | 第43-48页 |
| 3.5.1 英文主题库的结果分析 | 第43-45页 |
| 3.5.2 中文主题库的结果分析 | 第45-46页 |
| 3.5.3 中文多层级主题库的结果分析 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 基于主题向量空间的文本分类算法 | 第50-64页 |
| 4.1 文本的主题袋表示法 | 第50-51页 |
| 4.2 基于主题向量空间的主题移动距离 | 第51-55页 |
| 4.2.1 推土机距离 | 第51-53页 |
| 4.2.2 主题移动距离定义 | 第53-55页 |
| 4.3 实验结果与分析 | 第55-62页 |
| 4.3.1 英文数据集的分类结果分析 | 第55-58页 |
| 4.3.2 中文数据集的分类结果分析 | 第58-60页 |
| 4.3.3 基于多层级主题库的中文分类结果分析 | 第60-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 论文工作总结 | 第64-65页 |
| 5.2 研究内容展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第74页 |
