多标签中文文本分类中的关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 文本表示研究现状 | 第11-12页 |
| 1.2.2 多标签分类算法研究现状 | 第12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 多标签中文文本分类方法概述 | 第14-32页 |
| 2.1 多标签文本分类的概念 | 第14-16页 |
| 2.1.1 多标签文本分类的基本流程 | 第14-16页 |
| 2.2 词向量表示模型 | 第16-26页 |
| 2.2.1 统计语言模型概述 | 第17-18页 |
| 2.2.2 神经概率语言模型 | 第18-20页 |
| 2.2.3 循环神经网络语言模型 | 第20-21页 |
| 2.2.4 C&W模型 | 第21-23页 |
| 2.2.5 CBOW模型和Skip-gram模型 | 第23-25页 |
| 2.2.6 Order模型 | 第25-26页 |
| 2.3 多标签分类算法 | 第26-31页 |
| 2.3.1 问题转换方法 | 第26-27页 |
| 2.3.2 算法适应方法 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 一种新颖的词向量生成模型OCWE模型 | 第32-41页 |
| 3.1 引言 | 第32-33页 |
| 3.2 CWE简介 | 第33-35页 |
| 3.3 OCWE模型 | 第35-37页 |
| 3.4 实验 | 第37-40页 |
| 3.4.1 数据集及实验设置 | 第37页 |
| 3.4.2 评测指标 | 第37-38页 |
| 3.4.3 实验结果和分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 一种基于权重的多标签分类算法 | 第41-55页 |
| 4.1 引言 | 第41-42页 |
| 4.2 ML-kNN简介 | 第42-44页 |
| 4.3 ML-kNN算法的不足分析 | 第44-47页 |
| 4.3.1 各类标签数量不均衡 | 第44-46页 |
| 4.3.2 训练实例空间分布不均匀 | 第46-47页 |
| 4.4 wML-kNN的加权方法 | 第47-49页 |
| 4.4.1 按各类别标签数量的分布加权 | 第47页 |
| 4.4.2 按训练实例的空间分布加权 | 第47-49页 |
| 4.5 实验及结果分析 | 第49-54页 |
| 4.5.1 实验数据集 | 第50页 |
| 4.5.2 数据预处理 | 第50-51页 |
| 4.5.3 评测指标 | 第51-52页 |
| 4.5.4 实验 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-63页 |
| 详细摘要 | 第63-66页 |
