| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-24页 |
| 2.1 文本表示模型 | 第16-17页 |
| 2.2 最大熵分类方法 | 第17-21页 |
| 2.3 LSTM模型 | 第21-22页 |
| 2.4 协同训练算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于多类型文本的全监督性别分类方法 | 第24-33页 |
| 3.1 问题描述及相关研究 | 第24-25页 |
| 3.2 语料收集及统计分析 | 第25-26页 |
| 3.3 LSTM性别分类方法 | 第26-29页 |
| 3.3.1 单通道LSTM | 第27页 |
| 3.3.2 多通道LSTM | 第27-29页 |
| 3.4 实验结果与分析 | 第29-32页 |
| 3.4.1 实验设置 | 第29-30页 |
| 3.4.2 实验结果与分析 | 第30-31页 |
| 3.4.3 结果分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于多类型文本的半监督性别分类方法 | 第33-42页 |
| 4.1 问题描述及相关研究 | 第33-35页 |
| 4.2 语料收集 | 第35页 |
| 4.3 基于多类型文本的半监督性别分类方法 | 第35-37页 |
| 4.3.1 基于LSTM的性别分类模型 | 第35-36页 |
| 4.3.2 基于多文本类型的协同训练算法 | 第36-37页 |
| 4.4 实验设置与结果分析 | 第37-40页 |
| 4.4.1 实验设置 | 第38页 |
| 4.4.2 实验结果与分析 | 第38-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 基于文本-社交因子图模型的半监督性别分类方法 | 第42-52页 |
| 5.1 问题描述及相关研究 | 第42-44页 |
| 5.2 语料收集及统计分析 | 第44-45页 |
| 5.3 基于文本-社交因子图模型（TSFG） | 第45-48页 |
| 5.3.1 模型解释 | 第45-47页 |
| 5.3.2 模型学习 | 第47-48页 |
| 5.3.3 模型预测 | 第48页 |
| 5.4 实验结果与分析 | 第48-51页 |
| 5.4.1 实验设置 | 第49页 |
| 5.4.2 实验结果 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 研究工作总结 | 第52-53页 |
| 6.2 下一步工作设想 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间公开发表的论文 | 第59页 |
| 攻读学位期间公开申请的专利 | 第59-60页 |
| 攻读学位期间已授权的软件著作权 | 第60页 |
| 攻读学位期间参与的科研项目 | 第60-61页 |
| 致谢 | 第61-63页 |