| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状与成果 | 第11-12页 |
| 1.3 研究详述 | 第12页 |
| 1.4 文章结构 | 第12-14页 |
| 2 经典机器学习分类算法分析 | 第14-22页 |
| 2.1 Softmax Regression分类回归算法 | 第14-17页 |
| 2.2 SVM分类算法 | 第17-22页 |
| 3 自然语言处理基本知识 | 第22-26页 |
| 3.1 中文分词 | 第22-23页 |
| 3.2 中文词向量 | 第23-24页 |
| 3.3 语义消岐 | 第24-26页 |
| 4 神经网络分类算法 | 第26-32页 |
| 4.1 卷积神经网络(CNN) | 第26-27页 |
| 4.2 循环神经网络(RNN) | 第27-28页 |
| 4.3 长短期记忆网络(LSTM) | 第28-32页 |
| 4.3.1 传统LSTM | 第28-30页 |
| 4.3.2 栈式双向LSTM | 第30-32页 |
| 5 用户意图分类模型的建立与优化创新 | 第32-40页 |
| 5.1 模型的准备工作 | 第32-33页 |
| 5.1.1 数据的准备 | 第32-33页 |
| 5.1.2 中文分词 | 第33页 |
| 5.1.3 词向量化 | 第33页 |
| 5.2 应用LSTM算法进行建模 | 第33-34页 |
| 5.2.1 算法与参数的选择 | 第33-34页 |
| 5.3 模型算法的创新与优化 | 第34-40页 |
| 5.3.1 输入数据自编码 | 第34-36页 |
| 5.3.2 注意力机制(Attention机制) | 第36页 |
| 5.3.3 过拟合dropout优化 | 第36-37页 |
| 5.3.4 自定义规则 | 第37-40页 |
| 6 实验结果对比及分析 | 第40-44页 |
| 7 总结与展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |