基于RNNLM进行面向主题的软件特征定位
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 论文研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 动态特征定位 | 第9-10页 |
| 1.2.2 静态特征定位 | 第10页 |
| 1.2.3 集成特征定位 | 第10-11页 |
| 1.2.4 基于文本的特征定位 | 第11-12页 |
| 1.3 论文选题依据 | 第12-13页 |
| 1.4 论文主要工作 | 第13页 |
| 1.5 论文创新点 | 第13-14页 |
| 1.6 论文组织结构 | 第14页 |
| 第二章 相关概念及算法介绍 | 第14-16页 |
| 2.1 相关概念 | 第14-15页 |
| 2.2 循环神经网络 | 第15-16页 |
| 第三章 基于RNNLM进行面向主题的软件特征定位 | 第16-20页 |
| 3.1 生成语料库 | 第17-18页 |
| 3.2 代码数值化 | 第18-20页 |
| 3.3 特征映射 | 第20页 |
| 第四章 软件特征定位研究结果的评估方法 | 第20-25页 |
| 4.1 当前研究结果使用的度量方法 | 第21-22页 |
| 4.2 实验数据 | 第22-23页 |
| 4.3 当前研究结果度量方法的缺陷 | 第23-24页 |
| 4.4 本文新提出的方法 | 第24-25页 |
| 第五章 实验结果及分析 | 第25-32页 |
| 5.1 实验环境 | 第25-26页 |
| 5.2 本文实验数据 | 第26页 |
| 5.3 实验过程 | 第26-29页 |
| 5.3.1 构建语料库 | 第26-27页 |
| 5.3.2 数值化 | 第27页 |
| 5.3.3 RNNLM主题模型训练生成 | 第27-29页 |
| 5.3.4 特征定位 | 第29页 |
| 5.4 实验结果分析 | 第29-31页 |
| 5.5 其它主题划分方法的讨论 | 第31-32页 |
| 第六章 总结与展望 | 第32-33页 |
| 6.1 总结 | 第32页 |
| 6.2 展望 | 第32-33页 |
| 附录 攻读硕士期间参与完成的科研成果 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 致谢 | 第36-37页 |
