跨语言文本分类技术研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 跨语言文本分类概述 | 第14-16页 |
| 1.2.2 国内外研究现状 | 第16-17页 |
| 1.3 本文主要研究工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第二章 跨语言文本分类相关工作 | 第20-31页 |
| 2.1 文本分类概述 | 第20-24页 |
| 2.1.1 文本预处理 | 第20-21页 |
| 2.1.2 文本的表示 | 第21-22页 |
| 2.1.3 特征降维 | 第22-23页 |
| 2.1.4 分类算法 | 第23-24页 |
| 2.1.5 测试与性能评价 | 第24页 |
| 2.2 跨语言文本分类方法概述 | 第24-29页 |
| 2.2.1 基于全文翻译的方法 | 第25-26页 |
| 2.2.2 基于双语词典的方法 | 第26-27页 |
| 2.2.3 基于语料库的方法 | 第27-29页 |
| 2.3 对现有方法的分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于词向量聚类的文本分类方法研究 | 第31-50页 |
| 3.1 实验数据集与预处理 | 第31-33页 |
| 3.1.1 构建实验数据集 | 第31-32页 |
| 3.1.2 文本预处理 | 第32-33页 |
| 3.2 词的向量表示 | 第33-42页 |
| 3.2.1 词向量 | 第33-34页 |
| 3.2.2 Word2Vec | 第34-36页 |
| 3.2.3 Word2Vec词向量的特点 | 第36-37页 |
| 3.2.4 Word2Vec词向量的进一步挖掘 | 第37-39页 |
| 3.2.5 实验配置和结果分析 | 第39-42页 |
| 3.3 基于词向量聚类的文本分类方法 | 第42-49页 |
| 3.3.1 词聚类与基于词聚类的文本分类 | 第42-46页 |
| 3.3.2 算法描述 | 第46页 |
| 3.3.3 实验配置和结果分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于VTM模型的文本分类方法 | 第50-59页 |
| 4.1 向量词频模型 | 第50-55页 |
| 4.1.1 问题描述 | 第50-51页 |
| 4.1.2 向量词频模型 | 第51-53页 |
| 4.1.3 确定权重系数的方法 | 第53-54页 |
| 4.1.4 相似度的计算方法 | 第54页 |
| 4.1.5 VTM模型的优点 | 第54-55页 |
| 4.2 基于VTM模型的文本分类 | 第55-58页 |
| 4.2.1 算法描述 | 第55-56页 |
| 4.2.2 实验配置和结果分析 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 跨语言文本分类系统分析 | 第59-66页 |
| 5.1 跨语言文本分类系统流程 | 第59-61页 |
| 5.2 跨语言文本分类的效果评价 | 第61-62页 |
| 5.3 实验配置和结果分析 | 第62-65页 |
| 5.3.1 软硬件配置 | 第62页 |
| 5.3.2 结果分析 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| 6.1 主要工作与创新点 | 第66页 |
| 6.2 进一步研究工作 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
