多标签分类算法在文本关联挖掘中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究内容和创新性 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 文本关联挖掘综述 | 第13-23页 |
| 2.1 推荐系统 | 第13-18页 |
| 2.1.1 推荐系统定义 | 第13页 |
| 2.1.2 推荐系统结构 | 第13-17页 |
| 2.1.3 推荐系统评测 | 第17-18页 |
| 2.2 文本关联挖掘相关技术 | 第18-22页 |
| 2.2.1 文本特征建模 | 第18-21页 |
| 2.2.2 文本关联计算 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 文本多标签分类关键问题研究 | 第23-33页 |
| 3.1 问题描述 | 第23页 |
| 3.2 多标签分类相关技术 | 第23-27页 |
| 3.2.1 问题转化 | 第24-26页 |
| 3.2.2 算法适应 | 第26-27页 |
| 3.3 文本多标签分类难点分析 | 第27-30页 |
| 3.3.1 输出空间降维 | 第28页 |
| 3.3.2 标签关联挖掘 | 第28-29页 |
| 3.3.3 文本多标签算法改进思路 | 第29-30页 |
| 3.4 文本主题模型 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于语义嵌入的文本多标签分类 | 第33-52页 |
| 4.1 基于语义嵌入的文本多标签分类模型概述 | 第33-35页 |
| 4.1.1 模型结构 | 第33-34页 |
| 4.1.2 模型运行流程 | 第34-35页 |
| 4.2 文本向量化模块 | 第35-37页 |
| 4.2.1 常用文本向量化方法 | 第35-36页 |
| 4.2.2 文本向量化模块设计方案 | 第36-37页 |
| 4.3 标签降维模块 | 第37-39页 |
| 4.3.1 样本特征整合 | 第37-39页 |
| 4.3.2 标签降维 | 第39页 |
| 4.4 语义分析模块 | 第39-43页 |
| 4.4.1 模块目标 | 第39页 |
| 4.4.2 LDA语义分析方法 | 第39-41页 |
| 4.4.3 标签关联挖掘分析 | 第41-43页 |
| 4.5 模型优化模块 | 第43-51页 |
| 4.5.1 模块内容 | 第43页 |
| 4.5.2 目标函数推导 | 第43-45页 |
| 4.5.3 模型结构设计 | 第45-48页 |
| 4.5.4 优化策略设计 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 多标签分类在关联挖掘中的应用与测试 | 第52-62页 |
| 5.1 基于标签系统的文本关联挖掘 | 第52-53页 |
| 5.1.1 关联挖掘概述 | 第52页 |
| 5.1.2 基于标签系统的文本关联计算 | 第52-53页 |
| 5.2 测试与分析 | 第53-61页 |
| 5.2.1 实验数据 | 第53-54页 |
| 5.2.2 文本关联挖掘实验 | 第54-55页 |
| 5.2.3 常用分类模型效果实验 | 第55-57页 |
| 5.2.4 语义嵌入效果提升实验 | 第57-60页 |
| 5.2.5 文本多标签分类效果实验 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-68页 |
| 致谢 | 第68页 |
