| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.3 研究问题与主要贡献 | 第18-21页 |
| 1.3.1 研究问题 | 第18页 |
| 1.3.2 论文结构 | 第18-21页 |
| 第2章 增强文本特征的表示方法 | 第21-33页 |
| 2.1 文本表示模型 | 第21-25页 |
| 2.1.1 Paragraph2Vec文本表示法 | 第22-23页 |
| 2.1.2 Doc2VecC文本表示法 | 第23-25页 |
| 2.2 增强文本特征的PV-IDF模型 | 第25-28页 |
| 2.2.1 问题描述 | 第25页 |
| 2.2.2 特征增强策略 | 第25-27页 |
| 2.2.3 模型设计 | 第27-28页 |
| 2.3 实验 | 第28-32页 |
| 2.3.1 数据集描述 | 第28页 |
| 2.3.2 实验设置 | 第28-29页 |
| 2.3.3 实验结果与分析 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 垂直领域文本的多标签分类方法 | 第33-43页 |
| 3.1 LSTM模型概述 | 第33-34页 |
| 3.2 联合PV-IDF和 LSTM的多标签分类方法 | 第34-36页 |
| 3.2.1 问题描述 | 第34-35页 |
| 3.2.2 模型设计 | 第35页 |
| 3.2.3 模型训练 | 第35-36页 |
| 3.3 基于置信度排序的多标签分类策略 | 第36-38页 |
| 3.3.1 基于静态阈值的标签选择 | 第36-37页 |
| 3.3.2 基于动态阈值的标签选择 | 第37-38页 |
| 3.4 实验 | 第38-41页 |
| 3.4.1 数据集描述 | 第38-39页 |
| 3.4.2 对比方法 | 第39页 |
| 3.4.3 实验设置与评估指标 | 第39-40页 |
| 3.4.4 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于标签相关性的多标签分类方法 | 第43-49页 |
| 4.1 问题描述 | 第43页 |
| 4.2 标签相关性概念 | 第43-44页 |
| 4.3 基于标签相关性的模型原理 | 第44-45页 |
| 4.3.1 标签相似度矩阵 | 第44-45页 |
| 4.3.2 模型设计 | 第45页 |
| 4.4 实验 | 第45-47页 |
| 4.4.1 数据集描述 | 第45-46页 |
| 4.4.2 实验设置 | 第46-47页 |
| 4.4.3 实验结果与分析 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 垂直领域文本自动分类系统 | 第49-54页 |
| 5.1 自动分类系统功能设计 | 第49-50页 |
| 5.1.1 需求分析 | 第49页 |
| 5.1.2 模块功能定义 | 第49-50页 |
| 5.2 自动分类系统框架设计 | 第50-53页 |
| 5.2.1 数据存储模块 | 第50-51页 |
| 5.2.2 预处理模块 | 第51-52页 |
| 5.2.3 分类器模块 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-58页 |
| 6.1 总结及创新 | 第54-55页 |
| 6.2 研究展望 | 第55-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士期间已发表的论文 | 第64-66页 |
| 致谢 | 第66页 |