基于卷积神经网络的文本分类器的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 引言 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文研究内容 | 第17页 |
| 1.4 本文的结构安排 | 第17-19页 |
| 2 文本分类技术方案优选 | 第19-43页 |
| 2.1 自动文本分类理论概述与技术选择 | 第19-30页 |
| 2.1.1 文本预处理 | 第21-23页 |
| 2.1.2 文本表示 | 第23-27页 |
| 2.1.3 特征选择 | 第27-30页 |
| 2.2 传统分类算法 | 第30-34页 |
| 2.2.1 K-近邻算法 | 第31-32页 |
| 2.2.2 朴素贝叶斯算法 | 第32-33页 |
| 2.2.3 支持向量机算法 | 第33-34页 |
| 2.3 传统分类算法比较实验 | 第34-40页 |
| 2.3.1 语料库介绍 | 第34-35页 |
| 2.3.2 分类算法性能衡量指标 | 第35-36页 |
| 2.3.3 比较实验分析 | 第36-39页 |
| 2.3.4 实验中的问题解决 | 第39-40页 |
| 2.4 卷积神经网络的问题识别和定义 | 第40-42页 |
| 2.4.1 卷积神经网络理论概述 | 第41页 |
| 2.4.2 卷积神经网络的问题识别和定义 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 基于卷积神经网络的文本分类算法优化 | 第43-59页 |
| 3.1 卷积神经网络介绍 | 第43-49页 |
| 3.2 基于卷积神经网络的文本分类 | 第49-55页 |
| 3.3 基于卷积神经网络的文本分类算法的改进设计 | 第55-57页 |
| 3.4 本章小结 | 第57-59页 |
| 4 基于卷积神经网络的文本分类系统设计与实现 | 第59-71页 |
| 4.1 文本分类系统需求分析 | 第59-61页 |
| 4.1.1 文本分类系统的功能需求 | 第59-61页 |
| 4.1.2 文本分类系统功能模型 | 第61页 |
| 4.2 文本分类系统概要设计 | 第61-67页 |
| 4.2.1 文本分类系统逻辑架构设计 | 第62-63页 |
| 4.2.2 文本分类系统物理架构设计 | 第63-64页 |
| 4.2.3 文本分类系统技术架构 | 第64-65页 |
| 4.2.4 文本分类系统流程图 | 第65-67页 |
| 4.3 文本分类系统详细设计和实现 | 第67-69页 |
| 4.3.1 文本分类系统数据库设计 | 第68页 |
| 4.3.2 文本分类系统模块实现 | 第68-69页 |
| 4.4 本章小结 | 第69-71页 |
| 5 分类准确性实验与结果分析 | 第71-79页 |
| 5.1 实验环境 | 第71-72页 |
| 5.2 测试用例介绍 | 第72-73页 |
| 5.3 文本分类系统测试 | 第73-77页 |
| 5.3.1 分词功能测试 | 第73-75页 |
| 5.3.2 特征选择功能测试 | 第75-76页 |
| 5.3.3 分类功能测试 | 第76-77页 |
| 5.4 测试结果分析 | 第77-78页 |
| 5.5 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 进一步工作及展望 | 第80-81页 |
| 参考文献 | 第81-83页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第83-87页 |
| 学位论文数据集 | 第87页 |
