基于深度学习的多标签文本分类的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第11-12页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究内容 | 第13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 第二章 背景知识和研究现状 | 第15-24页 |
| 2.1 分类问题 | 第15-16页 |
| 2.2 文本分类问题 | 第16-20页 |
| 2.2.1 基于规则和关键词的文本分类方法 | 第16页 |
| 2.2.2 基于传统机器学习的文本分类方法 | 第16-17页 |
| 2.2.3 基于深度学习的文本分类方法 | 第17-20页 |
| 2.3 多标签分类问题 | 第20-21页 |
| 2.3.1 基于问题转换实现多标签分类 | 第20页 |
| 2.3.2 基于改编算法实现多标签分类 | 第20-21页 |
| 2.3.3 基于深度学习实现多标签分类 | 第21页 |
| 2.4 多轮对话下的多标签文本分类 | 第21-23页 |
| 2.4.1 基于规则系统的意图分类方法 | 第21-22页 |
| 2.4.2 基于统计学习的意图分类方法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 多轮对话下多标签文本分类模型 | 第24-34页 |
| 3.1 任务概要 | 第24-25页 |
| 3.2 记忆网络框架 | 第25页 |
| 3.3 模型设计 | 第25-27页 |
| 3.4 模型实现 | 第27-33页 |
| 3.4.1 不均衡数据采样 | 第27-28页 |
| 3.4.2 文本数据预处理 | 第28页 |
| 3.4.3 词向量预训练 | 第28-29页 |
| 3.4.4 编码模块 | 第29-30页 |
| 3.4.5 记忆模块 | 第30-31页 |
| 3.4.6 控制模块 | 第31-32页 |
| 3.4.7 分类模块 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 实验设计与结果分析 | 第34-40页 |
| 4.1 实验环境 | 第34页 |
| 4.2 实验数据 | 第34-35页 |
| 4.3 评估指标 | 第35-36页 |
| 4.4 对比实验和分析 | 第36-39页 |
| 4.4.1 对比模型介绍 | 第36页 |
| 4.4.2 模型参数设定 | 第36页 |
| 4.4.3 实验结果和分析 | 第36-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 全文总结 | 第40页 |
| 5.2 未来展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-46页 |
