基于极大频繁序列模式的文本分类方法
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 词频统计 | 第14-15页 |
| 1.2.2 频繁模式 | 第15页 |
| 1.2.3 特征选择 | 第15-16页 |
| 1.2.4 文本分类 | 第16-17页 |
| 1.3 应用容器引擎Docker | 第17页 |
| 1.4 深度学习框架PaddlePaddle | 第17-18页 |
| 1.5 主要研究内容 | 第18-19页 |
| 1.6 论文组织结构 | 第19-20页 |
| 2 基于词语分布规律的词频统计方法 | 第20-38页 |
| 2.1 基本概念 | 第20-22页 |
| 2.1.1 齐普夫定律和布茨定律 | 第20-21页 |
| 2.1.2 词频定义 | 第21-22页 |
| 2.2 词语分布规律 | 第22-23页 |
| 2.2.1 同频词数 | 第22-23页 |
| 2.2.2 各频次词语 | 第23页 |
| 2.3 词频判断选择 | 第23-24页 |
| 2.4 基于词语分布规律的词频统计算法 | 第24-26页 |
| 2.5 实验 | 第26-37页 |
| 2.5.1 实验环境 | 第26-27页 |
| 2.5.2 实验数据 | 第27-29页 |
| 2.5.3 对比方法 | 第29-30页 |
| 2.5.4 评价标准 | 第30页 |
| 2.5.5 实验结果 | 第30-37页 |
| 2.6 本章小结 | 第37-38页 |
| 3 基于极大频繁序列的模式挖掘方法 | 第38-52页 |
| 3.1 定义 | 第38-39页 |
| 3.2 扩展定义 | 第39页 |
| 3.3 基于极大频繁序列的模式挖掘模型 | 第39-45页 |
| 3.3.1 模型概念 | 第39-41页 |
| 3.3.2 实例阐述 | 第41-44页 |
| 3.3.3 剪枝方法 | 第44页 |
| 3.3.4 相似性比较 | 第44-45页 |
| 3.4 基于极大频繁序列的模式挖掘算法 | 第45-47页 |
| 3.5 实验 | 第47-50页 |
| 3.5.1 实验环境 | 第47-48页 |
| 3.5.2 实验数据 | 第48页 |
| 3.5.3 评价标准 | 第48页 |
| 3.5.4 实验结果 | 第48-50页 |
| 3.6 本章小结 | 第50-52页 |
| 4 基于极大频繁序列模式的特征选择方法 | 第52-82页 |
| 4.1 特征加权 | 第52-53页 |
| 4.2 半特征 | 第53-54页 |
| 4.3 R特征 | 第54-55页 |
| 4.4 基于极大频繁序列模式的特征选择模型 | 第55-57页 |
| 4.4.1 特征选择模型 | 第55-56页 |
| 4.4.2 实例阐述 | 第56-57页 |
| 4.5 基于极大频繁序列模式的特征选择算法 | 第57-59页 |
| 4.6 实验 | 第59-81页 |
| 4.6.1 实验环境 | 第59页 |
| 4.6.2 实验数据 | 第59-60页 |
| 4.6.3 对比方法 | 第60-61页 |
| 4.6.4 评价标准 | 第61页 |
| 4.6.5 实验结果 | 第61-81页 |
| 4.7 本章小结 | 第81-82页 |
| 5 基于极大频繁序列模式的文本分类方法 | 第82-108页 |
| 5.1 三支决策和形心解 | 第82-83页 |
| 5.2 不确定边界 | 第83-85页 |
| 5.3 分类阈值 | 第85-87页 |
| 5.4 基于极大频繁序列模式的文本分类模型 | 第87-88页 |
| 5.5 基于极大频繁序列模式的文本分类算法 | 第88-92页 |
| 5.6 实验 | 第92-105页 |
| 5.6.1 实验环境 | 第92页 |
| 5.6.2 实验数据 | 第92页 |
| 5.6.3 对比方法 | 第92-93页 |
| 5.6.4 评价标准 | 第93页 |
| 5.6.5 实验结果 | 第93-105页 |
| 5.7 本章小结 | 第105-108页 |
| 6 总结与展望 | 第108-112页 |
| 6.1 总结 | 第108-109页 |
| 6.2 展望 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 致谢 | 第120-122页 |
| 攻读硕士期间取得的科研成果清单 | 第122-123页 |
| 1 学术论文 | 第122页 |
| 2 工程项目 | 第122-123页 |
