基于深度学习的法律问题层叠分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 自然语言处理的研究现状 | 第15-17页 |
| 1.2.2 深度学习的研究现状 | 第17-18页 |
| 1.2.3 深度学习在文本分类领域的研究现状 | 第18-19页 |
| 1.3 本文研究内容 | 第19页 |
| 1.4 论文的组织安排 | 第19-21页 |
| 第2章 相关技术 | 第21-30页 |
| 2.1 深度神经网络 | 第21-25页 |
| 2.1.1 卷积神经网络 | 第22-23页 |
| 2.1.2 递归神经网络 | 第23-25页 |
| 2.2 词向量 | 第25-26页 |
| 2.3 多任务学习 | 第26页 |
| 2.4 层次分类 | 第26-27页 |
| 2.5 Keras简介 | 第27-29页 |
| 2.5.1 Keras的优点 | 第27-28页 |
| 2.5.2 Keras的基本数据结构 | 第28页 |
| 2.5.3 Keras的模型构建 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 数据采集与预处理 | 第30-33页 |
| 3.1 数据采集 | 第30-31页 |
| 3.2 数据预处理 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于深度学习的法律问题层叠分类模型的构建 | 第33-41页 |
| 4.1 多任务CNN模型 | 第34-36页 |
| 4.2 层次分类 | 第36-37页 |
| 4.3 实验 | 第37-38页 |
| 4.3.1 数据集 | 第37页 |
| 4.3.2 词向量 | 第37页 |
| 4.3.3 模型变体 | 第37-38页 |
| 4.3.4 实验设置 | 第38页 |
| 4.4 结果与分析 | 第38-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第5章 层次分类方法研究 | 第41-47页 |
| 5.1 数据集 | 第41-42页 |
| 5.2 层次分类方法模型设计 | 第42-43页 |
| 5.3 实验设置 | 第43-44页 |
| 5.4 实验结果与分析 | 第44-45页 |
| 5.5 本章小结 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 附录 A 攻读学位期间发表的学术论文 | 第55-56页 |
| 附录 B 攻读学位期间参与的研究项目 | 第56-57页 |
| 致谢 | 第57-58页 |
