| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 研究目的和意义 | 第15-16页 |
| 1.2 文本分类的研究现状 | 第16-19页 |
| 1.2.1 文本表示模型 | 第16页 |
| 1.2.2 文本分类的经典研究 | 第16-17页 |
| 1.2.3 基于深度学习的文本分类 | 第17页 |
| 1.2.4 多语种文本分类 | 第17-19页 |
| 1.3 研究内容与主要工作 | 第19-20页 |
| 1.4 本文结构 | 第20-21页 |
| 第2章 文本分类技术基础 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 文本表示模型 | 第21-24页 |
| 2.2.1 向量空间模型 | 第21-22页 |
| 2.2.2 潜在语义分析模型 | 第22-23页 |
| 2.2.3 词嵌入模型 | 第23-24页 |
| 2.3 多语种文本模型 | 第24-28页 |
| 2.3.1 基于语料库的模型 | 第24-25页 |
| 2.3.2 基于机器翻译的模型 | 第25-26页 |
| 2.3.3 基于典型相关性分析的模型 | 第26-27页 |
| 2.3.4 基于双语词嵌入的模型 | 第27-28页 |
| 2.4 文本分类方法 | 第28-36页 |
| 2.4.1 支持向量机 | 第28-29页 |
| 2.4.2 k最近邻 | 第29-30页 |
| 2.4.3 径向基网络 | 第30-31页 |
| 2.4.4 卷积神经网络 | 第31-33页 |
| 2.4.5 门控循环单元 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 多语种文本分类网络结构及算法设计 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 基于局部语言特征的多语种文本分类 | 第37-40页 |
| 3.2.1 卷积局部词嵌入层 | 第38-39页 |
| 3.2.2 卷积神经网络结构 | 第39-40页 |
| 3.3 多语种自联想记忆构造算法 | 第40-41页 |
| 3.3.1 共现词汇表 | 第40-41页 |
| 3.3.2 多语种自联想记忆映射方法 | 第41页 |
| 3.4 基于自联想记忆的多层注意力多语种文本分类 | 第41-43页 |
| 3.4.1 多语种自联想记忆输入层 | 第41-43页 |
| 3.4.2 算法描述 | 第43页 |
| 3.5 基于自联想记忆的卷积神经网络多语种文本分类 | 第43-46页 |
| 3.5.1 卷积多语种词映射层 | 第44页 |
| 3.5.2 卷积神经网络结构 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 实验结果及分析 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 多语种语料预处理 | 第47-48页 |
| 4.3 基于词嵌入的文本分类实验 | 第48-51页 |
| 4.4 多语种文本分类实验 | 第51-55页 |
| 4.4.1 实验方案 | 第51-53页 |
| 4.4.2 性能指标 | 第53页 |
| 4.4.3 实验结果分析 | 第53-55页 |
| 4.5 跨语言情感分类实验 | 第55-58页 |
| 4.5.1 数据及实验目标 | 第55-56页 |
| 4.5.2 实验结果分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士期间发表的论文 | 第66-67页 |
| 致谢 | 第67页 |