| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要工作和贡献 | 第14-15页 |
| 1.4 论文组织 | 第15-16页 |
| 第二章 文本分类过程和深度学习介绍 | 第16-30页 |
| 2.1 文本分类的一般过程 | 第16-19页 |
| 2.1.1 文本的表示模型和特征选择 | 第17-18页 |
| 2.1.2 常见文本分类器 | 第18-19页 |
| 2.2 深度学习模型 | 第19-29页 |
| 2.2.1 深度学习模型的一般方法 | 第20-21页 |
| 2.2.2 自然语言处理领域的深度学习模型 | 第21-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 Word Embedding的文本表示 | 第30-37页 |
| 3.1 Word Embedding技术简介 | 第30页 |
| 3.2 word2vec模型 | 第30-36页 |
| 3.2.1 CBOW文本表示模型 | 第31-33页 |
| 3.2.2 Skip-gram文本表示模型 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 Attention-Based LSTM模型原理 | 第37-49页 |
| 4.1 Attention Model思想 | 第37-41页 |
| 4.2 Attention-Based LSTM文本分类模型 | 第41-46页 |
| 4.2.1 Attention-Based LSTM的计算方法 | 第41-43页 |
| 4.2.2 Attention-Based LSTM文本分类器设计 | 第43-46页 |
| 4.3 正逆序组合Attention-Based LSTM模型 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验与结果分析 | 第49-55页 |
| 5.1 实验设计 | 第49-52页 |
| 5.1.1 实验环境 | 第49-50页 |
| 5.1.2 实验语料数据 | 第50-51页 |
| 5.1.3 实验具体设计 | 第51-52页 |
| 5.2 实验结果和分析 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表的论文和专利 | 第62-63页 |
| 攻读硕士期间参与的项目 | 第63-65页 |
