基于迁移学习的半监督文本分类方法
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究内容 | 第12-13页 |
| 1.3 本文研究工作及贡献 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 文本分类和迁移学习研究进展 | 第15-18页 |
| 2.1 文本分类研究现状 | 第15-16页 |
| 2.2 迁移学习研究现状 | 第16-18页 |
| 第3章 文本分类与迁移学习研究 | 第18-30页 |
| 3.1 自动文本分类技术 | 第18-27页 |
| 3.1.1 定义及概述 | 第18-19页 |
| 3.1.2 数据预处理 | 第19-22页 |
| 3.1.3 常用文本分类算法介绍 | 第22-25页 |
| 3.1.4 分类器效果评估 | 第25-27页 |
| 3.2 迁移学习 | 第27-30页 |
| 3.2.1 迁移学习定义 | 第27页 |
| 3.2.2 迁移学习分类 | 第27-29页 |
| 3.2.3 迁移学习领域数据集 | 第29-30页 |
| 第4章 基于迁移学习的 PU 文本分类算法 | 第30-44页 |
| 4.1 PU 分类中应用迁移学习的意义 | 第30-33页 |
| 4.2 Transfer_1DNF 算法描述 | 第33-40页 |
| 4.2.1 算法问题描述 | 第33页 |
| 4.2.2 算法核心思想 | 第33-34页 |
| 4.2.3 T_1DNF 算法具体描述 | 第34-40页 |
| 4.3 构建 Transfer_ISVM 分类器 | 第40-44页 |
| 4.3.1 构建 SVM 向量空间 | 第40页 |
| 4.3.2 构建分类器 | 第40-44页 |
| 第5章 Transfer_PU 算法测试与实验 | 第44-52页 |
| 5.1 测试数据集说明 | 第44-46页 |
| 5.2 Transfer_1DNF 算法测试 | 第46-49页 |
| 5.3 Transfer_ISVM 算法测试 | 第49-52页 |
| 第6章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 作者简介及科研成果 | 第58-59页 |
| 致谢 | 第59页 |
