基于隐马尔可夫模型与语义融合的文本分类研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 2 预备知识 | 第15-27页 |
| 2.1 文本预处理 | 第15页 |
| 2.2 文档的表述 | 第15-18页 |
| 2.3 文档特征选取 | 第18-19页 |
| 2.4 文本分类器概述 | 第19-22页 |
| 2.5 隐马尔可夫模型 | 第22-25页 |
| 2.5.1 前向算法和后向算法 | 第23-24页 |
| 2.5.2 维特比算法 | 第24-25页 |
| 2.5.3 隐马尔可夫模型参数估计 | 第25页 |
| 2.6 文本性能评测 | 第25-27页 |
| 3 基于word2vec与隐马尔可夫的文本分类 | 第27-35页 |
| 3.1 问题的提出 | 第27页 |
| 3.2 隐马尔可夫文本分类模型 | 第27-28页 |
| 3.3 基于word2vec和隐马尔可夫文本分类 | 第28-31页 |
| 3.3.1 特征项提取 | 第28-29页 |
| 3.3.2 语义特征词的合并 | 第29页 |
| 3.3.3 模型参数的估计 | 第29-30页 |
| 3.3.4 待分类文本相似度比较 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-34页 |
| 3.4.1 实验数据 | 第31页 |
| 3.4.2 word2vec模型参数 | 第31-32页 |
| 3.4.3 文本分类性能分析 | 第32页 |
| 3.4.4 经典模型对比 | 第32-33页 |
| 3.4.5 不同样本下的模型性能 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于隐马尔可夫和LDA的文本分类模型 | 第35-41页 |
| 4.1 问题的提出 | 第35页 |
| 4.2 LDA文本分类模型 | 第35-36页 |
| 4.3 基于隐马尔可夫模型和LDA文本分类 | 第36-39页 |
| 4.3.1 特征项提取 | 第36-37页 |
| 4.3.2 模型生成过程 | 第37-38页 |
| 4.3.3 模型参数估计 | 第38-39页 |
| 4.4 实验结果及分析 | 第39-40页 |
| 4.4.1 实验数据 | 第39页 |
| 4.4.2 文本分类性能分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 结论 | 第41-42页 |
| 6 参考文献 | 第42-46页 |
| 作者简历 | 第46-48页 |
| 学位论文数据集 | 第48-49页 |
