| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本分类国内外研究现状 | 第11-12页 |
| 1.2.2 深度学习国内外研究现状 | 第12-13页 |
| 1.2.3 MapReduce技术国内外研究现状 | 第13-14页 |
| 1.3 论文结构和创新点 | 第14-15页 |
| 1.3.1 论文结构 | 第14页 |
| 1.3.2 论文创新点 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 相关技术研究 | 第16-30页 |
| 2.1 深度学习文本分类相关技术研究 | 第16-25页 |
| 2.1.1 深度学习文本分类概述 | 第16页 |
| 2.1.2 深度学习文本分类步骤 | 第16-20页 |
| 2.1.3 分类性能评价指标 | 第20页 |
| 2.1.4 深度学习文本分类算法 | 第20-25页 |
| 2.2 MapReduce相关技术研究 | 第25-29页 |
| 2.2.1 MapReduce概述 | 第25-26页 |
| 2.2.2 MapReduce框架组成 | 第26-27页 |
| 2.2.3 MapReduce的工作流程 | 第27-29页 |
| 2.2.4 深度学习MapReduce过程 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于AdaGrad和Momentum的改进降噪自动编码器文本分类研究 | 第30-40页 |
| 3.1 传统降噪自动编码器(DAE)的不足 | 第30页 |
| 3.2 附加AdaGrad和Momentum的改进降噪自动编码器 | 第30-33页 |
| 3.2.1 附加自适应学习率(Ada-DAE) | 第30-32页 |
| 3.2.2 附加动量项(Mom-DAE) | 第32-33页 |
| 3.3 基于改进的降噪自动编码器文本分类 | 第33-35页 |
| 3.4 实验 | 第35-38页 |
| 3.4.1 实验环境 | 第35-36页 |
| 3.4.2 实验数据集 | 第36页 |
| 3.4.3 实验参数设置 | 第36页 |
| 3.4.4 实验结果分析 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于深度学习混合模型的文本分类研究 | 第40-48页 |
| 4.1 深度学习混合模型的设计 | 第40-41页 |
| 4.2 基于深度学习混合模型的文本分类 | 第41-44页 |
| 4.2.1 预处理模块 | 第41页 |
| 4.2.2 文本表示模块 | 第41-42页 |
| 4.2.3 特征学习模块 | 第42-43页 |
| 4.2.4 分类识别模块 | 第43页 |
| 4.2.5 分类效果评价 | 第43-44页 |
| 4.3 实验 | 第44-46页 |
| 4.3.1 实验环境 | 第44页 |
| 4.3.2 实验数据集 | 第44页 |
| 4.3.3 实验参数设置 | 第44页 |
| 4.3.4 实验结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于MapReduce的深度学习混合模型的应用 | 第48-62页 |
| 5.1 基于MapReduce的深度学习混合模型文本分类 | 第48-57页 |
| 5.1.1 预处理的并行化 | 第49-51页 |
| 5.1.2 VSM文本表示并行化 | 第51-53页 |
| 5.1.3 Mom-Ada-DABN分类模型并行化 | 第53-57页 |
| 5.2 实验 | 第57-61页 |
| 5.2.1 实验环境 | 第57页 |
| 5.2.2 实验数据集 | 第57页 |
| 5.2.3 Hadoop环境安装 | 第57-60页 |
| 5.2.4 实验结果分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 在学期间主要科研成果 | 第72页 |
| 一、发表学术论文 | 第72页 |
| 二、其它科研成果 | 第72页 |
