| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 本文研究内容 | 第18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第二章 相关技术与理论 | 第19-31页 |
| 2.1 文本分类基本流程 | 第19-24页 |
| 2.1.1 文本预处理 | 第19-20页 |
| 2.1.2 特征选择 | 第20-22页 |
| 2.1.3 文本表示 | 第22-24页 |
| 2.1.4 分类算法简介 | 第24页 |
| 2.2 词向量表示方法 | 第24-25页 |
| 2.2.1 One-hot Representaion | 第24-25页 |
| 2.2.2 Distributional Representation | 第25页 |
| 2.3 典型文本分类方法 | 第25-30页 |
| 2.3.1 支持向量机(SVM) | 第25-27页 |
| 2.3.2 朴素贝叶斯(NB) | 第27-29页 |
| 2.3.3 K近邻(KNN) | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 面向学术报告标题的特征扩展 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 数据集的获取与处理 | 第31-33页 |
| 3.2.1 数据集的获取 | 第31-32页 |
| 3.2.2 数据集预处理 | 第32-33页 |
| 3.2.3 学术报告标题关键词提取 | 第33页 |
| 3.3 基于词向量的学术报告标题特征扩展 | 第33-42页 |
| 3.3.1 Word2Vec相关原理 | 第33-39页 |
| 3.3.2 扩展特征流程 | 第39-40页 |
| 3.3.3 Word2Vec训练词向量模型 | 第40-41页 |
| 3.3.4 Word2Vec特征扩展参数选择 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于组合分类策略的学术报告标题分类 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 典型分类器优化 | 第43-47页 |
| 4.2.1 SVM分类器的使用 | 第43-46页 |
| 4.2.2 SVM分类器的阈值参数优化 | 第46页 |
| 4.2.3 朴素贝叶斯分类器的使用 | 第46-47页 |
| 4.2.4 朴素贝叶斯分类结果处理 | 第47页 |
| 4.3 典型分类器组合 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验设计与结果分析 | 第50-59页 |
| 5.1 分类评估标准 | 第50-51页 |
| 5.2 语料库整理 | 第51-52页 |
| 5.3 词向量特征扩展实验 | 第52-55页 |
| 5.3.1 原始特征分类实验 | 第52页 |
| 5.3.2 特征扩展对象的确定 | 第52-53页 |
| 5.3.3 特征扩展幅度的确定 | 第53-54页 |
| 5.3.4 词间相似度阈值的确定 | 第54页 |
| 5.3.5 基于词性扩展特征的实验 | 第54-55页 |
| 5.4 组合分类策略实验 | 第55-58页 |
| 5.4.1 学术报告过滤实验 | 第55-57页 |
| 5.4.2 分类器组合实验 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |