基于半监督学习的中文短文本分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·短文本分类研究现状 | 第9页 |
| ·半监督学习研究现状 | 第9-10页 |
| ·研究现状分析 | 第10-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 相关理论 | 第14-26页 |
| ·文本分类概述 | 第14-19页 |
| ·文本分类的过程 | 第14-16页 |
| ·常用文本分类方法 | 第16-17页 |
| ·分类性能评估指标 | 第17-19页 |
| ·短文本分类概述 | 第19-21页 |
| ·中文短文本的定义及特点 | 第19-20页 |
| ·中文短文本分类的作用 | 第20页 |
| ·短文本分类的研究方向 | 第20-21页 |
| ·半监督学习理论 | 第21-25页 |
| ·半监督学习的定义 | 第21-22页 |
| ·监督学习与半监督学习对比 | 第22-23页 |
| ·半监督学习的常用方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于自训练的短文本分类方法 | 第26-36页 |
| ·研究思路 | 第26-27页 |
| ·基于自训练的短文本分类算法 | 第27-32页 |
| ·改进的短文本特征扩展 | 第27-29页 |
| ·用于构建监督学习的初始分类器的方法 | 第29-30页 |
| ·构建用于半监督学习的基础模型 | 第30-32页 |
| ·实验与分析 | 第32-35页 |
| ·实验环境和工具 | 第32页 |
| ·实验数据 | 第32-33页 |
| ·实验结果分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于图结构半监督学习的短文本分类 | 第36-46页 |
| ·研究思路 | 第36页 |
| ·图结构文本表示模型 | 第36-38页 |
| ·图结构的定义 | 第37-38页 |
| ·构建文本图结构 | 第38页 |
| ·利用图结构进行自训练的分类算法 | 第38-41页 |
| ·算法思想 | 第38-39页 |
| ·算法流程 | 第39-41页 |
| ·实验结果及其分析 | 第41-44页 |
| ·实验准备 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 总结及未来展望 | 第46-50页 |
| ·总结 | 第46-47页 |
| ·进一步工作 | 第47-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 硕士期间科研成果 | 第58-59页 |
