| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 文本表示 | 第12-13页 |
| 1.2.2 监督文本分类算法 | 第13-14页 |
| 1.2.3 半监督文本分类算法 | 第14-15页 |
| 1.3 创新点 | 第15-16页 |
| 1.4 本文的章节安排 | 第16-19页 |
| 第二章 文本分类相关理论 | 第19-31页 |
| 2.1 文本表示模型 | 第19-23页 |
| 2.1.1 基于文档的文本表示模型 | 第19-21页 |
| 2.1.2 基于词的文本表示模型 | 第21-23页 |
| 2.2 基于浅层机器学习的文本分类算法 | 第23-24页 |
| 2.2.1 k-NN | 第23-24页 |
| 2.2.2 逻辑回归模型 | 第24页 |
| 2.3 基于神经网络的文本分类算法 | 第24-28页 |
| 2.3.1 简单神经网络模型 | 第25-26页 |
| 2.3.2 卷积神经网络模型 | 第26-28页 |
| 2.4 文本分类任务的评价体系 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于卷积神经网络的文本分类模型 | 第31-43页 |
| 3.1 模型结构设计 | 第31-34页 |
| 3.1.1 卷积神经网络结构设计 | 第31-33页 |
| 3.1.2 与其他模型的比较分析 | 第33-34页 |
| 3.2 数据集与文本预处理 | 第34-36页 |
| 3.2.1 数据集 | 第34-35页 |
| 3.2.2 文本预处理 | 第35-36页 |
| 3.3 模型训练及参数设置 | 第36-39页 |
| 3.3.1 文本特征表示 | 第36-37页 |
| 3.3.2 模型训练 | 第37-38页 |
| 3.3.3 模型参数设置 | 第38-39页 |
| 3.4 结果分析 | 第39-41页 |
| 3.4.1 对比模型介绍 | 第39-40页 |
| 3.4.2 结果及分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于不同文本表示协同训练的半监督文本分类模型 | 第43-55页 |
| 4.1 基于不同文本表示的双视图 | 第43-48页 |
| 4.1.1 文档摘要向量生成算法 | 第43-45页 |
| 4.1.2 基于词向量支持度的文本分类算法 | 第45-47页 |
| 4.1.3 协同训练条件分析 | 第47-48页 |
| 4.2 改进的协同训练算法 | 第48-51页 |
| 4.2.1 协同训练算法 | 第48-50页 |
| 4.2.2 改进的协同训练算法 | 第50-51页 |
| 4.3 实验与结果分析 | 第51-54页 |
| 4.3.1 模型训练及参数设置 | 第51-52页 |
| 4.3.2 对比模型介绍 | 第52页 |
| 4.3.3 结果及分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 展望及下一步工作 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |