基于语义的文本相似度计算方法的研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-14页 |
1.1 课题背景 | 第10-11页 |
1.2 国内外研究现状及研究意义 | 第11-12页 |
1.3 本文研究内容 | 第12页 |
1.4 本文结构 | 第12-14页 |
第2章 相关背景知识 | 第14-26页 |
2.1 文本预处理 | 第14-15页 |
2.1.1 中文预处理 | 第14-15页 |
2.1.2 英文预处理 | 第15页 |
2.2 文本表示方法 | 第15-18页 |
2.2.1 向量空间模型 | 第15-17页 |
2.2.2 潜在语义分析模型 | 第17页 |
2.2.3 文档主题生成模型 | 第17-18页 |
2.3 文本分类与聚类 | 第18-22页 |
2.3.1 KNN算法 | 第19-20页 |
2.3.2 K-means算法 | 第20-21页 |
2.3.3 度量指标 | 第21-22页 |
2.3.4 文本相似度计算在分类中的应用 | 第22页 |
2.4 词语到向量的语义映射:word2vec | 第22-24页 |
2.4.1 CBOW模型 | 第23-24页 |
2.4.2 Skip-Gram模型 | 第24页 |
2.5 本章小结 | 第24-26页 |
第3章 基于LSTM的句子的语义建模及相似度计算 | 第26-38页 |
3.1 长短期记忆网络(LSTM) | 第26-29页 |
3.2 基于LSTM的句子语义建模 | 第29-33页 |
3.2.1 编码模块 | 第30-31页 |
3.2.2 语义融合模块 | 第31页 |
3.2.3 解码模块 | 第31-33页 |
3.3 基于LSTM的句子相似度计算方法 | 第33页 |
3.4 试验结果与分析 | 第33-36页 |
3.4.1 数据集 | 第33页 |
3.4.2 实验方案 | 第33-34页 |
3.4.3 结果分析 | 第34-36页 |
3.5 本章小结 | 第36-38页 |
第4章 基于句子的文档相似度计算方法 | 第38-44页 |
4.1 图像到文本的迁徙 | 第38-39页 |
4.2 基于句子的文档相似度计算方法 | 第39-41页 |
4.3 试验结果与分析 | 第41-43页 |
4.3.1 数据集 | 第41-42页 |
4.3.2 实验方案 | 第42页 |
4.3.3 结果分析 | 第42-43页 |
4.4 本章小结 | 第43-44页 |
第5章 文本相似度计算系统的设计与实现 | 第44-62页 |
5.1 需求分析 | 第44-45页 |
5.2 系统架构 | 第45页 |
5.3 功能模块设计 | 第45-53页 |
5.3.1 用户权限模块 | 第45-46页 |
5.3.2 系统交互模块设计 | 第46-48页 |
5.3.3 文本处理模块设计 | 第48页 |
5.3.4 Word2vec词向量构建模块设计 | 第48-50页 |
5.3.5 基于LSTM的句子模型构建模块设计 | 第50-51页 |
5.3.6 文本相似度计算模块的设计 | 第51-53页 |
5.4 系统实现 | 第53-61页 |
5.4.1 开发环境 | 第53页 |
5.4.2 文本处理模块的实现 | 第53-55页 |
5.4.3 Word2vec词向量构建的实现 | 第55-57页 |
5.4.4 基于LSTM的句子模型构建的实现 | 第57-58页 |
5.4.5 文本相似度计算的实现 | 第58-61页 |
5.5 本章小结 | 第61-62页 |
结论 | 第62-64页 |
参考文献 | 第64-68页 |
攻读硕士学位期间取得的研究成果 | 第68-70页 |
致谢 | 第70页 |