| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 本文的主要内容 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 2 文本分类相关理论 | 第19-35页 |
| 2.1 自然语言处理与文本分类 | 第19-20页 |
| 2.2 训练集与测试集的划分 | 第20-21页 |
| 2.3 文本预处理 | 第21页 |
| 2.4 文本表示与特征提取 | 第21-26页 |
| 2.5 基于机器学习的文本分类算法 | 第26-32页 |
| 2.6 深度学习简介 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 基于卷积神经网络与极速学习机的混合短文本分类模型 | 第35-57页 |
| 3.1 引言 | 第35页 |
| 3.2 基于卷积神经网络的文本分类模型 | 第35-38页 |
| 3.3 Highway网络 | 第38-39页 |
| 3.4 极速学习机理论与改进 | 第39-44页 |
| 3.5 本章算法 | 第44-45页 |
| 3.6 实验与分析 | 第45-55页 |
| 3.7 本章小结 | 第55-57页 |
| 4 基于字符级深度卷积神经网络的短文本分类模型 | 第57-69页 |
| 4.1 引言 | 第57-58页 |
| 4.2 字符级卷积神经网络 | 第58-59页 |
| 4.3 字符级深度卷积神经网络 | 第59-61页 |
| 4.4 深度卷积神经网络混合模型 | 第61-62页 |
| 4.5 实验与分析 | 第62-68页 |
| 4.6 本章小结 | 第68-69页 |
| 5 结论 | 第69-71页 |
| 5.1 本文总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |