| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 文本分类研究现状 | 第10-11页 |
| 1.2.2 语言模型研究现状 | 第11-12页 |
| 1.2.3 图核研究现状 | 第12-13页 |
| 1.3 研究内容与创新点 | 第13-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第2章 相关理论 | 第16-29页 |
| 2.1 词向量表示模型 | 第16-22页 |
| 2.1.1 概述 | 第16-17页 |
| 2.1.2 LDA主题模型 | 第17-18页 |
| 2.1.3 Word2Vec语言模型 | 第18-22页 |
| 2.2 图结构 | 第22-25页 |
| 2.2.1 图的定义 | 第22-23页 |
| 2.2.2 文本图结构的构建 | 第23-25页 |
| 2.3 图核 | 第25-28页 |
| 2.3.1 图核简介 | 第25-26页 |
| 2.3.2 随机游走核 | 第26页 |
| 2.3.3 最短路径核 | 第26-27页 |
| 2.3.4 Neighborhood hash图核 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于Word2Vec的文本特征提取 | 第29-41页 |
| 3.1 词向量的训练 | 第29-32页 |
| 3.1.1 文本预处理 | 第29-30页 |
| 3.1.2 Word2Vec模型训练 | 第30-32页 |
| 3.2 文本特征提取 | 第32-34页 |
| 3.2.1 关键词提取 | 第32-33页 |
| 3.2.2 文本特征向量表示 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-40页 |
| 3.3.1 数据集说明 | 第34-35页 |
| 3.3.2 实验参数设置 | 第35-36页 |
| 3.3.3 评价指标 | 第36-37页 |
| 3.3.4 结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于文本语义图结构的图核设计 | 第41-54页 |
| 4.1 文本语义图结构表示 | 第41-44页 |
| 4.1.1 图结构的构建 | 第41-42页 |
| 4.1.2 图的语义编码 | 第42-44页 |
| 4.2 图核设计 | 第44-46页 |
| 4.2.1 位标签的运算 | 第44-45页 |
| 4.2.2 核函数的设计 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-53页 |
| 4.3.1 实验过程 | 第46-47页 |
| 4.3.2 结果分析 | 第47-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 融入单词偏量的文本语义图核 | 第54-61页 |
| 5.1 融入单词偏量的图核 | 第54-57页 |
| 5.1.1 单词偏量 | 第54-55页 |
| 5.1.2 融入单词偏量的语义图表示 | 第55页 |
| 5.1.3 图核的设计 | 第55-57页 |
| 5.2 实验设计与结果分析 | 第57-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |