基于多特征融合及深度学习的内容关联研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关研究现状 | 第11-15页 |
| 1.2.1 内容关联研究现状 | 第11-12页 |
| 1.2.2 文本相似度研究现状 | 第12-13页 |
| 1.2.3 深度学习研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第二章 相关研究 | 第17-27页 |
| 2.1 语法特征 | 第17-18页 |
| 2.1.1 基于TF-IDF的余弦相似度 | 第17页 |
| 2.1.2 Jaccard相似度 | 第17-18页 |
| 2.1.3 上下文相似度 | 第18页 |
| 2.2 语义特征 | 第18-20页 |
| 2.2.1 基于LDA的主题相似度 | 第18-19页 |
| 2.2.2 WordNet的词语相似度 | 第19-20页 |
| 2.3 词向量 | 第20-21页 |
| 2.3.1 词向量介绍 | 第20-21页 |
| 2.3.2 词向量性质 | 第21页 |
| 2.4 句向量 | 第21-22页 |
| 2.5 卷积神经网络 | 第22-26页 |
| 2.5.1 卷积神经网络介绍 | 第22-25页 |
| 2.5.2 Keras框架介绍 | 第25-26页 |
| 2.6 本章总结 | 第26-27页 |
| 第三章 论文文献上的内容关联研究 | 第27-47页 |
| 3.1 实验语料介绍 | 第27-29页 |
| 3.2 内容关联研究 | 第29-40页 |
| 3.2.1 系统介绍 | 第29-30页 |
| 3.2.2 整体框架 | 第30-32页 |
| 3.2.3 单一特征性能分析 | 第32-35页 |
| 3.2.4 多特征融合方法 | 第35-37页 |
| 3.2.5 卷积神经网络方法 | 第37-40页 |
| 3.3 实验效果评估 | 第40-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 社交网络上的内容关联研究 | 第47-58页 |
| 4.1 实验语料介绍 | 第47-49页 |
| 4.2 内容关联研究 | 第49-54页 |
| 4.2.1 系统介绍 | 第49-50页 |
| 4.2.2 整体框架 | 第50-51页 |
| 4.2.3 单一特征性能分析 | 第51-53页 |
| 4.2.4 多特征融合方法 | 第53页 |
| 4.2.5 卷积神经网络方法 | 第53-54页 |
| 4.3 实验效果评估 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结和展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
