基于主题特征的迁移学习文本分类算法研究与应用
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 迁移学习研究现状 | 第12-13页 |
| 1.2.2 文本分类研究现状 | 第13页 |
| 1.3 主要研究内容及论文安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文安排 | 第14-15页 |
| 2 本文相关理论 | 第15-24页 |
| 2.1 迁移学习基本理论介绍 | 第15-18页 |
| 2.1.1 迁移学习的概念 | 第15-16页 |
| 2.1.2 迁移学习的分类 | 第16-17页 |
| 2.1.3 迁移学习的应用 | 第17-18页 |
| 2.2 文本分类基本理论 | 第18-24页 |
| 2.2.1 文本分类概念 | 第18-19页 |
| 2.2.2 文本预处理 | 第19-21页 |
| 2.2.3 典型分类算法 | 第21-22页 |
| 2.2.4 文本分类有效性评价标准 | 第22-24页 |
| 3 基于LDA的迁移学习文本分类算法 | 第24-41页 |
| 3.1 LDA模型 | 第24-29页 |
| 3.1.1 LDA主题模型文本生成 | 第25-27页 |
| 3.1.2 LDA模型参数估计 | 第27-28页 |
| 3.1.3 LDA模型推演 | 第28-29页 |
| 3.2 TL-LDA算法 | 第29-34页 |
| 3.2.1 问题定义、分析及改进思路 | 第29-30页 |
| 3.2.2 TL-LDA模型 | 第30-31页 |
| 3.2.3 构建新特征表示 | 第31-33页 |
| 3.2.4 TL-LDA流程 | 第33-34页 |
| 3.3 实验设计与结果分析 | 第34-41页 |
| 3.3.1 实验准备 | 第34-35页 |
| 3.3.2 实验设计 | 第35-36页 |
| 3.3.3 实验结果分析 | 第36-41页 |
| 4 基于TL-LDA算法的智能组卷系统设计与开发 | 第41-57页 |
| 4.1 系统分析 | 第41-45页 |
| 4.1.1 需求分析 | 第41-42页 |
| 4.1.2 可行性分析 | 第42页 |
| 4.1.3 功能分析 | 第42-45页 |
| 4.2 系统设计 | 第45-50页 |
| 4.2.1 系统设计原则 | 第45页 |
| 4.2.2 系统功能模块 | 第45-48页 |
| 4.2.3 系统核心业务介绍 | 第48-50页 |
| 4.3 系统核心功能界面设计 | 第50-57页 |
| 4.3.1 学生用户系统界面 | 第50-52页 |
| 4.3.2 教师用户系统界面 | 第52-57页 |
| 5 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的学术成果 | 第62-63页 |
| 致谢 | 第63页 |
