基于深度学习的新闻实时分类服务系统的分析与设计
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 本文研究背景及国内外现状 | 第8-10页 |
| 1.2 本文的研究意义 | 第10-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 文本分类技术介绍 | 第14-35页 |
| 2.1 引言 | 第14页 |
| 2.2 自动文本分类理论概念 | 第14-18页 |
| 2.2.1 文本预处理 | 第14页 |
| 2.2.2 分词 | 第14-15页 |
| 2.2.3 文本表示与特征选择 | 第15-18页 |
| 2.3 文本向量化 | 第18-25页 |
| 2.3.1 词向量化 | 第18-23页 |
| 2.3.2 文档向量化 | 第23-25页 |
| 2.4 经典统计文本分类算法 | 第25-28页 |
| 2.5 深度学习分类算法 | 第28-32页 |
| 2.5.1 卷积神经网络 | 第28-29页 |
| 2.5.2 循环神经网络 | 第29-32页 |
| 2.6 FastText快速分类算法 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 分类实验设计和分析 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 实验的新闻语料和评估方法 | 第35-36页 |
| 3.3 基于朴素贝叶斯的建模实验 | 第36页 |
| 3.4 基于字符级CNN的新闻文本分类 | 第36-41页 |
| 3.4.1 实验过程 | 第36-37页 |
| 3.4.2 模型的参数选择 | 第37-39页 |
| 3.4.3 实验的结果分析 | 第39-41页 |
| 3.5 基于字符级RNN的新闻文本分类 | 第41-44页 |
| 3.5.1 实验过程 | 第41页 |
| 3.5.2 模型的参数选择 | 第41-42页 |
| 3.5.3 实验的结果分析 | 第42-44页 |
| 3.6 基于fastText的新闻文本分类 | 第44-45页 |
| 3.6.1 实验过程 | 第44页 |
| 3.6.2 模型的参数选择 | 第44页 |
| 3.6.3 实验的结果分析 | 第44-45页 |
| 3.7 本章小结 | 第45-47页 |
| 4 新闻分类服务系统的分析与设计 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 系统的概述 | 第47-49页 |
| 4.2.1 系统的功能分析 | 第47-48页 |
| 4.2.2 系统的物理架构分析 | 第48-49页 |
| 4.3 系统各模块的分析 | 第49-54页 |
| 4.3.1 系统的结构图 | 第49页 |
| 4.3.2 新闻语料更新子系统分析 | 第49-52页 |
| 4.3.3 分类模块训练子系统分析 | 第52-53页 |
| 4.3.4 新闻分类服务子系统分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 新闻分类服务系统的功能和性能测试 | 第55-60页 |
| 5.1 引言 | 第55页 |
| 5.2 爬虫模块测试 | 第55-56页 |
| 5.3 新闻分类服务模块测试 | 第56-58页 |
| 5.4 系统的性能测试 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间主要成果 | 第66-67页 |
| 致谢 | 第67页 |
