基于层次监督的多标签文档分类问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 2 文本分类以及分类模型 | 第14-30页 |
| 2.1 文本分类 | 第14-17页 |
| 2.1.1 文本分类定义 | 第14-15页 |
| 2.1.2 文本分类过程 | 第15-17页 |
| 2.2 文本分类模型 | 第17-29页 |
| 2.2.1 隐性语义分析 | 第17页 |
| 2.2.2 无监督主题模型 | 第17-20页 |
| 2.2.3 监督主题模型 | 第20-21页 |
| 2.2.4 神经网络模型 | 第21-23页 |
| 2.2.5 支持向量机 | 第23-25页 |
| 2.2.6 决策树算法 | 第25-27页 |
| 2.2.7 贝叶斯分类 | 第27-28页 |
| 2.2.8 KNN分类器 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 基于层次结构的NLDA模型 | 第30-36页 |
| 3.1 模型的提出 | 第31-33页 |
| 3.2 模型的推导 | 第33-35页 |
| 3.2.1 模型的训练 | 第33-34页 |
| 3.2.2 模型的预测 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 引入主题监督的NSLDA模型 | 第36-44页 |
| 4.1 模型的提出 | 第36-37页 |
| 4.2 模型的推导 | 第37-38页 |
| 4.3 模型的扩充 | 第38-41页 |
| 4.3.1 主题的扩充 | 第38-39页 |
| 4.3.2 结构的扩充 | 第39-40页 |
| 4.3.3 发掘标签结构 | 第40-41页 |
| 4.4 基于正负例的模型混合 | 第41-43页 |
| 4.4.1 集成学习 | 第42页 |
| 4.4.2 正负例模型的选择 | 第42页 |
| 4.4.3 模型的融合 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 实验结果与分析 | 第44-59页 |
| 5.1 实验数据与实验环境 | 第44-46页 |
| 5.1.1 实验数据 | 第44页 |
| 5.1.2 数据预处理 | 第44-46页 |
| 5.1.3 实验环境 | 第46页 |
| 5.2 评估指标 | 第46-49页 |
| 5.3 实验设计 | 第49页 |
| 5.3.1 NSLDA模型实验设计 | 第49页 |
| 5.3.2 正负例模型混合实验设计 | 第49页 |
| 5.4 实验结果与分析 | 第49-58页 |
| 5.4.1 NSLDA模型实验结果 | 第50-57页 |
| 5.4.2 正负例模型混合实验结果 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 未来研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 攻读学位期间参加的科研工作及成果 | 第63-64页 |
| 致谢 | 第64-65页 |
