| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 国内外相关研究的发展与现状 | 第9-12页 |
| 1.2.1 主题模型研究发展与现状 | 第9-10页 |
| 1.2.2 词嵌入技术研究发展与现状 | 第10-11页 |
| 1.2.3 深度学习研究发展与现状 | 第11页 |
| 1.2.4 短文本分类研究发展与现状 | 第11-12页 |
| 1.3 本文主要创新内容及结构安排 | 第12-16页 |
| 第二章 基于主题模型的短文本特征扩展理论与分析 | 第16-26页 |
| 2.1 LDA主题模型 | 第16-19页 |
| 2.1.1 LDA算法基本原理 | 第16-17页 |
| 2.1.2 随机模拟求解LDA | 第17-19页 |
| 2.2 TNG主题模型 | 第19-21页 |
| 2.3 基于TNG主题模型的短文本特征扩展理论概述 | 第21-22页 |
| 2.4 基于TNG扩展的短文本分类效果分析 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 词嵌入技术的理论分析与改进 | 第26-34页 |
| 3.1 神经网络语言模型(NNLM) | 第26-27页 |
| 3.2 CBOW模型与Skip-Gram模型原理与分析 | 第27-29页 |
| 3.3 TWE模型基本原理 | 第29-30页 |
| 3.4 TWE模型改进与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 短文本特征选择理论基础与分析 | 第34-42页 |
| 4.1 MCFS特征选择算法理论 | 第34-36页 |
| 4.1.1 非监督式MCFS算法理论 | 第35-36页 |
| 4.1.2 监督式MCFS算法理论 | 第36页 |
| 4.2 基于监督式MCFS的主题合并策略与分析 | 第36-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第五章 实验与结果分析 | 第42-56页 |
| 5.1 短文本分类框架 | 第42-46页 |
| 5.1.1 短文本分类框架的总体概述 | 第42-44页 |
| 5.1.2 基于卷积神经网络的分类器 | 第44-46页 |
| 5.2 实验环境概述 | 第46页 |
| 5.3 数据集选择 | 第46-48页 |
| 5.4 主题模型超参数的选择 | 第48页 |
| 5.5 特征提取与主题合并分析 | 第48-51页 |
| 5.6 短文本框架总体分析 | 第51-54页 |
| 5.7 实验结果的分析与总结 | 第54-55页 |
| 5.8 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 全文总结 | 第56页 |
| 6.2 前景展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-64页 |
| 致谢 | 第64页 |