| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-14页 |
| 1.2 本文工作 | 第14页 |
| 1.3 本章小结 | 第14-16页 |
| 第2章 相关工作 | 第16-34页 |
| 2.1 传统句子分类方法 | 第16-28页 |
| 2.1.1 文本预处理 | 第16-17页 |
| 2.1.2 文本的表示 | 第17-18页 |
| 2.1.3 特征选择 | 第18-24页 |
| 2.1.4 常见的分类方法 | 第24-28页 |
| 2.2 基于神经网络模型的句子分类方法 | 第28-33页 |
| 2.2.1 词向量 | 第29-32页 |
| 2.2.2 基于神经网络的句子模型 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于卷积神经网络的句子分类算法 | 第34-52页 |
| 3.1 词向量的学习 | 第34-40页 |
| 3.1.1 连续分布式词向量 | 第34页 |
| 3.1.2 CBOW模型 | 第34-35页 |
| 3.1.3 层次Softmax | 第35-37页 |
| 3.1.4 更新神经网络参数 | 第37-39页 |
| 3.1.5 SKip-gram模型 | 第39-40页 |
| 3.1.6 模型的选择 | 第40页 |
| 3.2 动态卷积神经网络句子模型 | 第40-46页 |
| 3.2.1 卷积运算 | 第41-43页 |
| 3.2.2 k-Max Pooling | 第43-44页 |
| 3.2.3 动态k-Max Pooling | 第44页 |
| 3.2.4 生成多个特征图 | 第44-45页 |
| 3.2.5 Folding | 第45-46页 |
| 3.3 基于DCNN的句子分类算法 | 第46-50页 |
| 3.3.1 新闻分类数据集 | 第46页 |
| 3.3.2 预训练初始化词向量DCNN句子分类算法 | 第46-47页 |
| 3.3.3 动态扩展句子分类算法 | 第47-48页 |
| 3.3.4 预训练与动态扩展 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 实验设计与实验结果 | 第52-58页 |
| 4.1 数据准备 | 第52页 |
| 4.2 评价度量 | 第52-53页 |
| 4.3 实验设计与结果分析 | 第53-57页 |
| 4.3.1 预训练与随机初始化DCNN词向量 | 第53-54页 |
| 4.3.2 低频词的启示 | 第54-55页 |
| 4.3.3 动态扩展句子分类算法 | 第55-56页 |
| 4.3.4 参数设置 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58页 |
| 5.3 本章小结 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的主要研究成果 | 第64-66页 |
| 致谢 | 第66页 |