微信公众号文本的类别标注方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 文本表示 | 第13-14页 |
| 1.2.2 分类算法 | 第14-15页 |
| 1.3 研究内容与工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 相关背景知识 | 第18-32页 |
| 2.1 文本标注流程 | 第18-19页 |
| 2.2 文本预处理 | 第19-22页 |
| 2.2.1 分词 | 第20页 |
| 2.2.2 去停用词 | 第20-21页 |
| 2.2.3 垃圾过滤 | 第21页 |
| 2.2.4 短文本扩展 | 第21-22页 |
| 2.3 文本向量表示方法 | 第22-25页 |
| 2.3.1 词嵌入模型 | 第22-24页 |
| 2.3.2 概率主题模型 | 第24-25页 |
| 2.4 文本分类算法 | 第25-30页 |
| 2.4.1 一般的基于机器学习的文本分类方法 | 第26-28页 |
| 2.4.2 其他基于机器学习的文本分类方法 | 第28-30页 |
| 2.5 标注方法 | 第30-31页 |
| 2.5.1 人工标注 | 第30页 |
| 2.5.2 自动标注 | 第30-31页 |
| 2.5.3 自动标注与人工修正 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 主题-词嵌入模型的文本表示方法 | 第32-58页 |
| 3.1 符号和术语 | 第32-33页 |
| 3.2 主题模型 | 第33-37页 |
| 3.2.1 超参数设置 | 第34-37页 |
| 3.3 词向量模型 | 第37-44页 |
| 3.3.1 输入层 | 第38页 |
| 3.3.2 隐藏层 | 第38-39页 |
| 3.3.3 输出层及权重更新 | 第39-41页 |
| 3.3.4 分层softmax优化 | 第41-44页 |
| 3.4 主题词向量嵌入模型 | 第44-46页 |
| 3.4.1 TWE | 第44-46页 |
| 3.4.2 优化和参数估计 | 第46页 |
| 3.4.3 时间复杂度分析 | 第46页 |
| 3.5 实验与分析 | 第46-56页 |
| 3.5.1 数据集 | 第47页 |
| 3.5.2 实验设置 | 第47-48页 |
| 3.5.3 对比方法 | 第48页 |
| 3.5.4 评价方法 | 第48-49页 |
| 3.5.5 对比结果与分析 | 第49-52页 |
| 3.5.6 混淆矩阵分析 | 第52-55页 |
| 3.5.7 实验结论 | 第55-56页 |
| 3.6 本章小结 | 第56-58页 |
| 4 基于知识库与半监督的标注方法 | 第58-74页 |
| 4.1 半监督分类 | 第58-63页 |
| 4.1.1 拉格朗日半监督支持向量机 | 第60-62页 |
| 4.1.2 无标签数据划分 | 第62-63页 |
| 4.1.3 处理超参数 | 第63页 |
| 4.2 公众号类别知识库搭建方法 | 第63-67页 |
| 4.2.1 知识库初始化 | 第64-65页 |
| 4.2.2 知识库扩展 | 第65-67页 |
| 4.3 基于公众号类别知识库的标注方法 | 第67-68页 |
| 4.4 实验与分析 | 第68-71页 |
| 4.4.1 数据集、实验环境和开发环境 | 第68-69页 |
| 4.4.2 实验设置 | 第69页 |
| 4.4.3 实验结果 | 第69-71页 |
| 4.5 本章小结 | 第71-74页 |
| 5 结论与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第82-86页 |
| 学位论文数据集 | 第86页 |
