短文本跨领域分类方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 本文主要研究内容 | 第15-16页 |
| 1.2.1 课题来源 | 第16页 |
| 1.2.2 主要研究内容 | 第16页 |
| 1.3 论文架构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 跨领域学习与短文本分类相关研究综述 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 跨领域学习 | 第18-23页 |
| 2.2.1 跨领域学习基本概念 | 第19页 |
| 2.2.2 跨领域学习的分类 | 第19-21页 |
| 2.2.3 跨领域学习研究现状 | 第21-23页 |
| 2.3 短文本分类 | 第23-31页 |
| 2.3.1 短文本分类基本概念 | 第23页 |
| 2.3.2 短文本分类相关技术 | 第23-30页 |
| 2.3.3 短文本分研究现状 | 第30-31页 |
| 2.4 当前跨领域学习面临的挑战 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于特征扩展的短文本跨领域分类算法研究 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于特征扩展的短文本跨领域分类算法 | 第34-37页 |
| 3.2.1 共享特征选择 | 第34-35页 |
| 3.2.2 基于特征共现的谱聚类 | 第35-37页 |
| 3.2.3 特征扩展 | 第37页 |
| 3.2.4 算法描述 | 第37页 |
| 3.3 实验结果与分析 | 第37-42页 |
| 3.3.1 实验数据集与对比算法 | 第38-39页 |
| 3.3.2 参数设置 | 第39-40页 |
| 3.3.3 分类结果对比 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于主题相关性的短文本跨领域分类算法研究 | 第43-53页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于主题相关性的短文本跨领域分类算法 | 第44-49页 |
| 4.2.1 BTM主题模型 | 第44-46页 |
| 4.2.2 度量跨领域主题相关性 | 第46-48页 |
| 4.2.3 构建新的主题特征表示 | 第48页 |
| 4.2.4 算法描述 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-52页 |
| 4.3.1 实验数据集与对比算法 | 第49-50页 |
| 4.3.2 参数设置 | 第50-51页 |
| 4.3.3 分类结果对比 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文主要研究工作总结 | 第53页 |
| 5.2 未来展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-61页 |
