基于词向量和主题向量的文本分类算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要英文缩写与中英文对照表 | 第8-12页 |
| 1. 绪论 | 第12-15页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 论文研究内容 | 第13-14页 |
| 1.3 论文章节安排 | 第14-15页 |
| 2 文本分类技术研究现状 | 第15-26页 |
| 2.1 文本分类的一般流程 | 第15-16页 |
| 2.2 文本预处理 | 第16-17页 |
| 2.3 特征提取及选择 | 第17-19页 |
| 2.4 文本分类器 | 第19-22页 |
| 2.5 词向量技术介绍 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 基于LDA的主题向量算法 | 第26-37页 |
| 3.1 基于LDA的主题模型 | 第26-29页 |
| 3.2 主题向量计算 | 第29-35页 |
| 3.3 本章小结 | 第35-37页 |
| 4 基于词向量和主题向量的文本分类算法 | 第37-45页 |
| 4.1 PV-DM和PV-DBOW算法介绍 | 第37-39页 |
| 4.2 向量加权累加算法 | 第39-40页 |
| 4.3 结合词向量和主题向量的文本特征表达 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 实验与评估 | 第45-58页 |
| 5.1 实验数据集 | 第45-46页 |
| 5.2 词向量和主题向量实验 | 第46-49页 |
| 5.3 文本分类实验 | 第49-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-65页 |
