| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第二章 背景知识 | 第14-26页 |
| 2.1 词嵌入技术 | 第14-16页 |
| 2.1.1 word2vec方法 | 第15页 |
| 2.1.2 GloVe方法 | 第15-16页 |
| 2.2 深度学习算法 | 第16-26页 |
| 2.2.1 深度神经网络 | 第16-19页 |
| 2.2.2 卷积神经网络 | 第19-20页 |
| 2.2.3 长短期记忆 | 第20-22页 |
| 2.2.4 激活函数 | 第22-23页 |
| 2.2.5 训练过程 | 第23-26页 |
| 第三章 基于BLSTM_CNN模型的多标签文本分类 | 第26-32页 |
| 3.1 嵌入层 | 第26-27页 |
| 3.2 CNN分类器 | 第27-28页 |
| 3.3 LSTM分类器 | 第28-29页 |
| 3.4 BLSTM_CNN分类器 | 第29-32页 |
| 第四章 实验内容 | 第32-44页 |
| 4.1 实验数据 | 第32-34页 |
| 4.2 多标签分类评估方法 | 第34-36页 |
| 4.3 实验目的和实验步骤 | 第36-37页 |
| 4.4 实验设置 | 第37-38页 |
| 4.5 实验结果与分析 | 第38-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 附录 | 第52-68页 |
| A1. 论文中主要模块的实现代码 | 第52-68页 |
| 致谢 | 第68-69页 |