| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-10页 |
| ·文本分类中迁移学习的发展 | 第10-12页 |
| 第二章 基础算法与数据 | 第12-21页 |
| ·非负矩阵分解（NMF） | 第12页 |
| ·迁移学习中CCI （Cluster Correspondence Inference）思想 | 第12-13页 |
| ·PLSA算法 | 第13-15页 |
| ·数据库测试数据 | 第15-21页 |
| ·-Newsgroups原始数据处理 | 第15-16页 |
| ·实验数据生成 | 第16-19页 |
| ·Reuters21578 | 第19-21页 |
| 第三章PCCI算法 | 第21-32页 |
| ·传统机器学习的特征距离改进 | 第21-25页 |
| ·存在适合传统机器学习的分类特征和距离算法 | 第21页 |
| ·迁移学习相对传统机器学习本质优势 | 第21页 |
| ·特征选择 | 第21-22页 |
| ·欧氏距离的缺陷 | 第22-24页 |
| ·词频向量单位化——方向特征 | 第24页 |
| ·方向特征的物理意义 | 第24-25页 |
| ·迁移学习的约束条件改进 | 第25-26页 |
| ·隐空间特征向量归一化 | 第25页 |
| ·迭代时Gt的保护措施——递归约束条件 | 第25-26页 |
| ·其他辅助改进 | 第26页 |
| ·保护型迁移学习算法 | 第26-28页 |
| ·保护型定义 | 第26页 |
| ·综合改进算法PCCI(Protection-type Cluster Correspondence Inference) | 第26-28页 |
| ·保护型迁移学习理论推导 | 第28-29页 |
| ·迭代式及其收敛性 | 第28-29页 |
| ·保护型约束的收敛性 | 第29页 |
| ·实验对比 | 第29-32页 |
| ·实验正确率计算 | 第29页 |
| ·程序运行环境 | 第29-30页 |
| ·两种改进的算法结果比较 | 第30页 |
| ·PCCI实验结果及其比较分析 | 第30页 |
| ·特征与降维分析 | 第30-32页 |
| 第四章 隐空间分析与三维隐空间算法 | 第32-38页 |
| ·隐空间探索 | 第32页 |
| ·已处理的 20newsgroups数据库版本 | 第32-33页 |
| ·NMF迁移学习改进的本质 | 第33-34页 |
| ·逻辑关系和语义的关系 | 第33页 |
| ·基于NMF算法只使用“或”关系 | 第33-34页 |
| ·三维隐空间迁移算法 | 第34-36页 |
| ·关键词思想 | 第34页 |
| ·“三维”的含义 | 第34页 |
| ·算法流程 | 第34-35页 |
| ·与CCI算法结构对比： | 第35-36页 |
| ·问题归结 | 第36-38页 |
| 第五章 词共现矩阵规范化研究 | 第38-51页 |
| ·三元NMF分解中各矩阵归一化关系 | 第38-39页 |
| ·人造数据集 1 | 第39-44页 |
| ·无权重的人造数据集 | 第40-41页 |
| ·无权重数据实验 | 第41页 |
| ·实验结果分析 1 | 第41-42页 |
| ·引入保护型迭代思想， | 第42-43页 |
| ·实验结果分析 2 | 第43-44页 |
| ·人造数据集 2 | 第44-47页 |
| ·NMF算法遵从的数学模型 | 第44页 |
| ·生成高仿真人造数据集 | 第44-46页 |
| ·实验结果 | 第46-47页 |
| ·实验结果分析 | 第47页 |
| ·后续研究与分析 | 第47-51页 |
| ·再次测试新数据集 | 第47-48页 |
| ·系数分析 | 第48-49页 |
| ·隐空间正交归一化约束条件 | 第49-51页 |
| 第六章 分析与总结 | 第51-53页 |
| ·约束条件与问题解的关系 | 第51-52页 |
| ·自由的关系矩阵导致无语义的词类模板 | 第51页 |
| ·准确表达语义对文本分类发展的重要性 | 第51-52页 |
| ·总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第56页 |