| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-15页 |
| 1.2 研究问题 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 组织结构 | 第17-19页 |
| 第二章 相关研究 | 第19-25页 |
| 2.1 基于文本分类的缺陷分配 | 第19-23页 |
| 2.1.1 基于Machine-learning的推荐模型 | 第19-20页 |
| 2.1.2 基于Expertise-model的推荐模型 | 第20-21页 |
| 2.1.3 基于Tossing-graph的推荐模型 | 第21-22页 |
| 2.1.4 基于Social-network的推荐模型 | 第22页 |
| 2.1.5 基于Topic-model的推荐模型 | 第22-23页 |
| 2.2 基于深度学习的文本分类 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于卷积神经网络的缺陷分派方法 | 第25-42页 |
| 3.1 基本思想 | 第25-27页 |
| 3.2 方法框架 | 第27-33页 |
| 3.2.1 词向量模型 | 第27-29页 |
| 3.2.2 应用于文本的卷积神经网络 | 第29-33页 |
| 3.3 实验及结果分析 | 第33-41页 |
| 3.3.1 数据准备与预处理 | 第33页 |
| 3.3.2 实验设计 | 第33-34页 |
| 3.3.3 实验结果 | 第34-38页 |
| 3.3.4 实验讨论 | 第38-41页 |
| 3.3.5 效度分析 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于Inception的缺陷分派方法 | 第42-55页 |
| 4.1 Inception背景介绍 | 第42-45页 |
| 4.2 基本思想 | 第45-48页 |
| 4.3 方法框架 | 第48-50页 |
| 4.4 实验及结果分析 | 第50-54页 |
| 4.4.1 实验设计 | 第50-51页 |
| 4.4.2 实验结果 | 第51-53页 |
| 4.4.3 效度分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文的主要贡献 | 第55-56页 |
| 5.2 下一步工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 硕士期间研究成果 | 第62-63页 |
| 致谢 | 第63页 |
