| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 本文的章节安排 | 第15-17页 |
| 第二章 基础知识 | 第17-26页 |
| 2.1 非神经网络技术获得的文本表示 | 第17-18页 |
| 2.2 基于神经网络的词连续空间表示学习方法 | 第18-23页 |
| 2.2.1 基于CBOW的词连续空间表示学习模型 | 第18-20页 |
| 2.2.2 基于skip-gram的词连续空间表示学习模型 | 第20-21页 |
| 2.2.3 层次softmax算法 | 第21-22页 |
| 2.2.4 负采样算法 | 第22-23页 |
| 2.3 支持向量机 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 文本连续空间表示学习算法的分析与实现 | 第26-36页 |
| 3.1 基于CBOW的文本连续空间表示学习模型 | 第26-28页 |
| 3.2 基于Skip-Gram的文本连续空间表示学习模型 | 第28-29页 |
| 3.3 基于拼接的文本连续空间表示 | 第29-30页 |
| 3.4 基于文本连续空间表示的应用初探 | 第30-35页 |
| 3.4.1 基于文本连续空间表示的情感分析 | 第30-32页 |
| 3.4.2 基于文本连续空间表示的相似文本检索 | 第32-35页 |
| 3.4.3 应用初探总结 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于文本连续空间表示的文本分类 | 第36-45页 |
| 4.1 方法和问题 | 第36-38页 |
| 4.2 实验结果及分析 | 第38-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 基于文本连续空间表示的文本分类系统 | 第45-52页 |
| 5.1 系统介绍 | 第45-47页 |
| 5.2 系统运行效果 | 第47-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52页 |
| 6.2 未来工作及展望 | 第52-54页 |
| 致谢信 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者攻读学位期间发表的学术论文目录 | 第58页 |