| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景及研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 研究内容及论文结构 | 第16-18页 |
| 1.3.1 论文研究内容 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 文本挖掘的若干关键技术 | 第19-29页 |
| 2.1 文本挖掘的一般处理过程 | 第19-20页 |
| 2.2 特征提取 | 第20-22页 |
| 2.2.1 文本特征表示 | 第21页 |
| 2.2.2 特征提取方法 | 第21-22页 |
| 2.3 文本分类 | 第22-28页 |
| 2.3.1 文本分类的一般过程 | 第22-23页 |
| 2.3.2 传统机器学习的分类器模型 | 第23-26页 |
| 2.3.3 深度学习分类器模型 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 航空安全报告致因因素的分析 | 第29-40页 |
| 3.1 研究综述 | 第29页 |
| 3.2 文本挖掘语料库 | 第29-31页 |
| 3.3 文本挖掘工具的选择 | 第31页 |
| 3.4 数据预处理 | 第31-33页 |
| 3.5 航空飞行事故致因因素选取 | 第33-39页 |
| 3.5.1 致因因素向量空间模型的构建 | 第36-38页 |
| 3.5.2 航空安全事故报告致因因素分析 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 航空安全报告风险预测模型的设计实现 | 第40-47页 |
| 4.1 概述 | 第40页 |
| 4.2 传统机器学习的风险预测模型设计实现 | 第40-44页 |
| 4.2.1 航空安全报告的特征提取 | 第40-42页 |
| 4.2.2 航空安全报告的分类器模型构造 | 第42-44页 |
| 4.3 深度学习风险预测模型的设计实现 | 第44-46页 |
| 4.3.1 航空安全报告文本表示-训练词向量模型Word2vec | 第44-45页 |
| 4.3.2 深度学习风险预测分类器模型 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验结果对比分析 | 第47-51页 |
| 5.1 实验设置 | 第47页 |
| 5.2 实验对比方法 | 第47-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介及读研期间主要科研成果 | 第57页 |