| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 文本分类研究现状 | 第11-13页 |
| 1.2.2 迁移学习研究现状 | 第13-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 相关工作 | 第20-26页 |
| 2.1 引言 | 第20-21页 |
| 2.2 迁移学习 | 第21-23页 |
| 2.3 特征空间构造 | 第23-24页 |
| 2.4 特征投影 | 第24页 |
| 2.5 TrAdaBoost算法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于语义相关性的特征空间构造 | 第26-38页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于语义相关性分析的特征空间构造 | 第27-31页 |
| 3.2.1 问题定义 | 第27页 |
| 3.2.2 异构特征空间下基于语义相关性的特征空间构造 | 第27-29页 |
| 3.2.3 算法流程 | 第29-31页 |
| 3.3 实验及分析 | 第31-36页 |
| 3.3.1 实验数据准备 | 第31-32页 |
| 3.3.2 评价指标 | 第32-33页 |
| 3.3.3 实验设计 | 第33页 |
| 3.3.4 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 局部保留分段式异构投影算法 | 第38-52页 |
| 4.1 引言 | 第38-39页 |
| 4.2 局部保留分段式异构投影算法 | 第39-45页 |
| 4.2.1 问题定义 | 第39页 |
| 4.2.2 跨域特征分段投影与重构 | 第39-41页 |
| 4.2.3 引入局部保留投影LPP | 第41-42页 |
| 4.2.4 目标域已标注样本加权 | 第42-44页 |
| 4.2.5 算法流程 | 第44-45页 |
| 4.3 实验及分析 | 第45-50页 |
| 4.3.1 实验数据准备 | 第45页 |
| 4.3.2 评价指标 | 第45页 |
| 4.3.3 实验设计 | 第45-50页 |
| 4.3.4 实验结果及分析 | 第50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于迁移学习的文本分类系统 | 第52-64页 |
| 5.1 系统需求及可行性分析 | 第52-54页 |
| 5.2 系统概要设计 | 第54页 |
| 5.3 系统详细设计 | 第54-58页 |
| 5.3.1 数据准备模块 | 第54-55页 |
| 5.3.2 训练模块 | 第55-56页 |
| 5.3.3 测试模块 | 第56-58页 |
| 5.4 系统界面展示 | 第58-59页 |
| 5.5 实验设置和分析 | 第59-61页 |
| 5.6 系统演示 | 第61-62页 |
| 5.7 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 研究工作总结 | 第64页 |
| 6.2 进一步研究工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |