| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 短文本分类研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 文本数据集获取及其处理 | 第17-27页 |
| 2.1 数据集获取 | 第17-19页 |
| 2.1.1 八爪鱼采集器 | 第17-18页 |
| 2.1.2 网络主题爬虫 | 第18-19页 |
| 2.2 文本预处理 | 第19-20页 |
| 2.2.1 文本分词 | 第19页 |
| 2.2.2 去噪 | 第19-20页 |
| 2.2.3 去停用词 | 第20页 |
| 2.3 文本表示 | 第20-22页 |
| 2.3.1 文本表示相关概念 | 第20-21页 |
| 2.3.2 向量空间模型 | 第21-22页 |
| 2.4 文本特征选择方法 | 第22-25页 |
| 2.4.1 文本特征选择步骤 | 第22-23页 |
| 2.4.2 常用的特征选择法 | 第23-25页 |
| 2.5 短文本相似度计算 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 Apriori算法改进及特征扩展 | 第27-37页 |
| 3.1 特征扩展基础 | 第27-28页 |
| 3.2 Apriori算法及其改进 | 第28-33页 |
| 3.2.1 频繁项集 | 第28-30页 |
| 3.2.2 关联规则 | 第30-31页 |
| 3.2.3 Apriori算法改进 | 第31-33页 |
| 3.3 文本特征向量扩展 | 第33-35页 |
| 3.3.1 关联特征向量扩展流程 | 第33页 |
| 3.3.2 特征向量扩展算法描述 | 第33-35页 |
| 3.4 特征权重计算 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 卷积神经网络分类器设计 | 第37-49页 |
| 4.1 常用的短文本分类算法研究 | 第37-40页 |
| 4.2 卷积神经网络基本结构分析 | 第40-42页 |
| 4.3 卷积神经网络在短文本分类中的原理 | 第42-45页 |
| 4.3.1 卷积运算原理 | 第43页 |
| 4.3.2 宽窄卷积及步长设计原理 | 第43-45页 |
| 4.3.3 池化计算原理 | 第45页 |
| 4.4 卷积神经网络分类模型设计 | 第45-48页 |
| 4.4.1 输入层设计 | 第46页 |
| 4.4.2 卷积层设计 | 第46-47页 |
| 4.4.3 池化层(Max-pooling)设计 | 第47页 |
| 4.4.4 全连接层设计 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 实验结果与分析 | 第49-61页 |
| 5.1 数据集介绍 | 第49-50页 |
| 5.2 分类效果评价指标 | 第50-51页 |
| 5.3 实验设计 | 第51-52页 |
| 5.4 实验结果与对比分析 | 第52-59页 |
| 5.4.1 不同卷积核比较 | 第52-54页 |
| 5.4.2 不同短文本分类算法对特征扩展前后分类性能对比 | 第54-57页 |
| 5.4.3 与CHI算法加LDA主题模型的短文本分类算法对比 | 第57-58页 |
| 5.4.4 实验总结分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第6章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第67-69页 |
| 致谢 | 第69-70页 |