基于特征扩展的短文本分类
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 短文本分类研究背景 | 第7-8页 |
| 1.2 短文本分类研究现状 | 第8-10页 |
| 1.3 论文的研究内容 | 第10页 |
| 1.4 论文组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 传统短文本分类方法 | 第12-24页 |
| 2.1 短文本分类概述 | 第12-13页 |
| 2.2 数据预处理 | 第13-14页 |
| 2.3 传统特征表示方法 | 第14-17页 |
| 2.3.1 向量空间模型 | 第15-16页 |
| 2.3.2 TF-IDF | 第16-17页 |
| 2.4 特征选择方法 | 第17-20页 |
| 2.4.1 期望交叉熵 | 第17-18页 |
| 2.4.2 信息增益 | 第18-19页 |
| 2.4.3 互信息 | 第19页 |
| 2.4.4 卡方检验法 | 第19-20页 |
| 2.5 常用分类方法介绍 | 第20-23页 |
| 2.5.1 逻辑回归 | 第20-21页 |
| 2.5.2 朴素贝叶斯分类器 | 第21-22页 |
| 2.5.3 支持向量机分类器 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 基于联合特征提取的短文本分类 | 第24-44页 |
| 3.1 基于深度学习的短文本分类 | 第25-29页 |
| 3.1.1 基于卷积神经网络短文本分类 | 第25-27页 |
| 3.1.2 基于递归神经网络短文本分类 | 第27-29页 |
| 3.2 基于联合特征提取的短文本分类 | 第29-36页 |
| 3.2.1 特征提取现有问题分析 | 第29-31页 |
| 3.2.2 算法设计 | 第31-35页 |
| 3.2.3 模型训练 | 第35-36页 |
| 3.3 实验过程及结果分析 | 第36-43页 |
| 3.3.1 实验环境和数据集 | 第36-37页 |
| 3.3.2 实验参数设计 | 第37-38页 |
| 3.3.3 实验结果分析 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于特征扩展的短文本情感分类 | 第44-56页 |
| 4.1 word2vector原理及特点分析 | 第45-46页 |
| 4.2 基于特征扩展的短文本情感分类 | 第46-50页 |
| 4.2.1 特征表示现有问题分析 | 第46-47页 |
| 4.2.2 算法设计 | 第47-50页 |
| 4.2.3 模型训练 | 第50页 |
| 4.3 实验及结果分析 | 第50-55页 |
| 4.3.1 实验环境及数据集 | 第50-51页 |
| 4.3.2 实验参数设计 | 第51页 |
| 4.3.3 实验结果分析 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
