| 摘 要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第12-14页 |
| 第2章 深度学习介绍 | 第14-26页 |
| 2.1 基于深度学习的图像分类 | 第14-22页 |
| 2.1.1 深度卷积神经网络 | 第15-18页 |
| 2.1.2 细粒度图像识别 | 第18-22页 |
| 2.2 基于深度学习的文本分类 | 第22-25页 |
| 2.2.1 文本的向量表示 | 第22-23页 |
| 2.2.2 深度学习文本分类模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于Rangeloss和多任务学习的女装图像细粒度分类 | 第26-38页 |
| 3.1 相关研究工作 | 第27-28页 |
| 3.2 数据集及简介 | 第28-29页 |
| 3.3 研究方法 | 第29-32页 |
| 3.3.1 数据不平衡问题的解决方法 | 第29-31页 |
| 3.3.2 多任务学习 | 第31-32页 |
| 3.4 实验结果 | 第32-36页 |
| 3.4.1 不同网络结构的实验对比分析 | 第32页 |
| 3.4.2 对分布不平衡数据的实验对比分析 | 第32-35页 |
| 3.4.3 多任务学习的实验对比分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于深度塔克特征融合的商品评论口碑预测 | 第38-54页 |
| 4.1 相关研究工作 | 第40-41页 |
| 4.2 数据集简介 | 第41-43页 |
| 4.2.1 PR-150K数据集 | 第41-42页 |
| 4.2.2 VSO数据集和MVSO数据集 | 第42-43页 |
| 4.3 本文方法 | 第43-51页 |
| 4.3.1 基于图像的深度神经网络评估 | 第43-44页 |
| 4.3.2 基于文本的深度神经网络评估 | 第44-45页 |
| 4.3.3 特征融合方法 | 第45-49页 |
| 4.3.4 文本长度分析 | 第49-51页 |
| 4.3.5 训练过程及细节 | 第51页 |
| 4.3.6 测试过程及细节 | 第51页 |
| 4.4 实验结果 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 总结 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第60-62页 |
| 致谢 | 第62页 |