| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和研究意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 文本分类 | 第12-13页 |
| 1.2.2 Labeled-LDA | 第13-14页 |
| 1.2.3 基于深度学习的文本分类 | 第14-16页 |
| 1.3 本文研究内容及创新点 | 第16-18页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 本文的创新点 | 第17-18页 |
| 1.4 本文章节安排 | 第18-19页 |
| 第二章 相关算法原理 | 第19-43页 |
| 2.1 标签主题模型Labeled-LDA | 第19-22页 |
| 2.1.1 主题模型LDA | 第19-20页 |
| 2.1.2 标签主题模型Labeled-LDA | 第20-22页 |
| 2.2 词向量Word2vec | 第22-27页 |
| 2.2.1 词向量基础 | 第22-23页 |
| 2.2.2 CBOW加层次的网络结构 | 第23-27页 |
| 2.3 卷积神经网络CNN | 第27-31页 |
| 2.3.1 卷积神经网络CNN | 第27-28页 |
| 2.3.2 深度残差网络ResNet | 第28-31页 |
| 2.4 递归神经网络RNN | 第31-37页 |
| 2.4.1 递归神经网络RNN原理 | 第31-33页 |
| 2.4.2 长短记忆网络LSTM | 第33-36页 |
| 2.4.3 注意力模型 | 第36-37页 |
| 2.5 其它算法原理 | 第37-42页 |
| 2.5.1 深度学习梯度优化方法 | 第37-39页 |
| 2.5.2 分类评价指标 | 第39-41页 |
| 2.5.3 Batch Normalization | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 Labeled-LDA做特征提取的文本分类方法 | 第43-49页 |
| 3.1 Labeled-LDA做特征提取的文本分类方法 | 第43-44页 |
| 3.2 基于人工提取特征的文本分类 | 第44-45页 |
| 3.3 实验设计 | 第45-48页 |
| 3.3.1 基于LLDA特征字和基于人工提取特征的实验对比 | 第45-46页 |
| 3.3.2 基于LLDA特征字在其它数据集上的实验 | 第46-47页 |
| 3.3.3 基于LLDA特征字在分类性能和时间性能上的实验 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于卷积和递归神经网络的文本分类研究 | 第49-61页 |
| 4.1 基于卷积神经网络CNN和基于递归神经网络RNN的文本分类 | 第49-52页 |
| 4.1.1 基于卷积神经网络CNN的文本分类 | 第49-50页 |
| 4.1.2 基于递归神经网络RNN的文本分类 | 第50-51页 |
| 4.1.3 实验和分析 | 第51-52页 |
| 4.2 卷积递归神经网络CNN_RNN | 第52-57页 |
| 4.2.1 卷积递归神经网络CNN_RNN | 第52-54页 |
| 4.2.2 实验和分析 | 第54-57页 |
| 4.3 多层卷积递归神经网络MCNN_RNN | 第57-60页 |
| 4.3.1 卷积递归神经网络MCNN_RNN | 第58-59页 |
| 4.3.2 实验和分析 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 基于Labeled-LDA的卷积递归神经网络 | 第61-79页 |
| 5.1 CNN_RNN_LLDA | 第61-65页 |
| 5.1.1 词的类别分布信息 | 第61-62页 |
| 5.1.2 CNN_RNN_LLDA(A) | 第62-63页 |
| 5.1.3 CNN_RNN_LLDA(B) | 第63-64页 |
| 5.1.4 实验和分析 | 第64-65页 |
| 5.2 MCNN_RNN_LLDA | 第65-67页 |
| 5.2.1 MCNN_RNN_LLDA(A) | 第65-66页 |
| 5.2.2 MCNN_RNN_LLDA(B) | 第66页 |
| 5.2.3 实验和分析 | 第66-67页 |
| 5.3 实验设计和分析 | 第67-74页 |
| 5.3.1 实验环境和数据 | 第67-69页 |
| 5.3.2 实验结果与分析 | 第69-74页 |
| 5.4 深度残差双向注意力网络RES_BATT与RES_BATT_LLDA | 第74-78页 |
| 5.4.1 RES_BATT | 第74-76页 |
| 5.4.2 RES_BATT_LLDA | 第76-78页 |
| 5.4.3 实验和分析 | 第78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 总结和展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 在读期间研究成果情况 | 第87页 |
