| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究意义 | 第10页 |
| 1.2 文本分类技术研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-16页 |
| 第二章 文本分类技术研究 | 第16-28页 |
| 2.1 文本表示方法 | 第16-19页 |
| 2.2 文本预处理 | 第19-20页 |
| 2.3 特征选择 | 第20页 |
| 2.4 常用文本分类算法 | 第20-22页 |
| 2.4.1 朴素贝叶斯 | 第21页 |
| 2.4.2 决策树 | 第21-22页 |
| 2.4.3 K-近邻 | 第22页 |
| 2.4.4 支持向量机 | 第22页 |
| 2.5 深度学习文本分类算法 | 第22-24页 |
| 2.5.1 卷积神经网络 | 第22-23页 |
| 2.5.2 长短时记忆网络 | 第23-24页 |
| 2.6 分类评价指标 | 第24-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第三章 知识管理系统设计 | 第28-34页 |
| 3.1 系统功能设计 | 第28-29页 |
| 3.2 系统架构设计 | 第29-31页 |
| 3.3 数据收集模块 | 第31页 |
| 3.4 数据存储模块 | 第31-32页 |
| 3.5 数据搜索模块 | 第32页 |
| 3.6 文本分类模块 | 第32页 |
| 3.7 本章小结 | 第32-34页 |
| 第四章 基于深度学习的文本分类模型构建 | 第34-52页 |
| 4.1 基于CNN的文本分类模型构建 | 第34-43页 |
| 4.1.1 数据预处理模块 | 第35-36页 |
| 4.1.2 特征学习模块 | 第36-38页 |
| 4.1.3 分类模块 | 第38-39页 |
| 4.1.4 模型的训练 | 第39-40页 |
| 4.1.5 分类模型优化 | 第40-43页 |
| 4.2 基于LSTM的文本分类模型构建 | 第43-46页 |
| 4.2.1 数据预处理模块 | 第43-44页 |
| 4.2.2 特征学习模块 | 第44页 |
| 4.2.3 分类器模块 | 第44页 |
| 4.2.4 模型的训练 | 第44-45页 |
| 4.2.5 模型的优化 | 第45-46页 |
| 4.3 基于Attention机制的文本分类模型构建 | 第46-49页 |
| 4.3.1 数据预处理模块 | 第47页 |
| 4.3.2 特征提取模块 | 第47-49页 |
| 4.3.3 分类器模块 | 第49页 |
| 4.3.4 模型的训练和优化 | 第49页 |
| 4.4 深度学习模型融合设计 | 第49-51页 |
| 4.4.1 常用融合方法比较 | 第49-51页 |
| 4.4.2 融合策略设计 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 文本分类模型对比分析实验 | 第52-58页 |
| 5.1 实验环境说明 | 第52页 |
| 5.2 实验数据说明 | 第52-53页 |
| 5.3 分类算法评价指标 | 第53页 |
| 5.4 实验方案设计 | 第53页 |
| 5.5 实验参数设置 | 第53-54页 |
| 5.6 实验结果及分析讨论 | 第54-57页 |
| 5.7 本章小结 | 第57-58页 |
| 第六章 结束语 | 第58-60页 |
| 6.1 论文工作总结 | 第58页 |
| 6.2 下阶段研究方向 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |