深度学习与SVM相融合的新闻分类技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 分类系统基本原理及算法 | 第16-27页 |
| 2.1 分类系统介绍 | 第16-17页 |
| 2.2 常用的文本分类算法 | 第17-22页 |
| 2.3 深度学习分类算法 | 第22-25页 |
| 2.4 TensorFlow和Sk-learn | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于SVM算法的分类系统设计 | 第27-43页 |
| 3.1 分类系统架构设计 | 第27-28页 |
| 3.2 数据收集和存储模块 | 第28-35页 |
| 3.2.1 新闻类目确认 | 第28-29页 |
| 3.2.2 新闻类别标注 | 第29-31页 |
| 3.2.3 新闻内容获取 | 第31-33页 |
| 3.2.4 新闻内容存储 | 第33-35页 |
| 3.3 数据分析和处理模块 | 第35-40页 |
| 3.3.1 语料预处理 | 第35页 |
| 3.3.2 特征选择 | 第35-38页 |
| 3.3.3 文本向量表示 | 第38-39页 |
| 3.3.4 归一化处理 | 第39-40页 |
| 3.4 分类模块 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 融合深度学习特征的分类研究 | 第43-50页 |
| 4.1 深度卷积网络构建 | 第43-45页 |
| 4.2 数据收集和存储模块 | 第45-46页 |
| 4.3 TensorFlow实现图片卷积特征提取 | 第46-48页 |
| 4.4 特征融合及模型训练 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 实验设计与结果分析 | 第50-57页 |
| 5.1 实验设计 | 第50-52页 |
| 5.2 算法性能评测指标 | 第52页 |
| 5.3 实验环境 | 第52-53页 |
| 5.4 实验结果及分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 导师简介 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 学位论文数据集 | 第64页 |
