高端装备制造产业信息源的发现与分类
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外相关研究进展 | 第10-14页 |
| 1.3 本文主要研究思路 | 第14-16页 |
| 第2章 相关技术研究 | 第16-26页 |
| 2.1 网页采集技术 | 第16-18页 |
| 2.2 网页主题相关度计算方法 | 第18-19页 |
| 2.3 网站分类方法 | 第19-20页 |
| 2.4 深层神经网络 | 第20-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于分布式表示的信息源发现方法 | 第26-37页 |
| 3.1 查询扩展方法 | 第26-33页 |
| 3.1.1 基于CBOW模型的查询扩展 | 第27-28页 |
| 3.1.2 基于BiLSTM模型的查询扩展 | 第28-31页 |
| 3.1.3 查询扩展实验 | 第31-33页 |
| 3.2 信息源的发现方法 | 第33-36页 |
| 3.2.1 网页的分布式向量表示 | 第33-34页 |
| 3.2.2 网页相关度计算及阈值的选择 | 第34页 |
| 3.2.3 网页相关度计算实验 | 第34-36页 |
| 3.2.4 相关网站栏目的发现 | 第36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于深度学习的信息源分类方法 | 第37-50页 |
| 4.1 基于CNN的信息源分类 | 第37-43页 |
| 4.1.1 卷积神经网络结构 | 第37-40页 |
| 4.1.2 基于CNN的分类实验 | 第40-43页 |
| 4.2 基于RCNN的信息源分类 | 第43-48页 |
| 4.2.1 循环卷积神经网络结构 | 第43-46页 |
| 4.2.2 基于RCNN的分类实验 | 第46-48页 |
| 4.3 信息源分类结果分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 系统设计与实现 | 第50-56页 |
| 5.1 系统数据和环境 | 第50-51页 |
| 5.2 系统功能 | 第51-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第62页 |
