基于深度学习的科技资源多标签文本分类方法研究

第一章绪论

1.1 课题背景及研究意义

1.2 文本分类方法研究发展现状

1.2.1 单标签文本分类方法

1.2.2 多标签文本分类方法

1.3.1 主要工作内容

1.3.2 论文结构

第二章面向科技文本的多标签分类需求分析

2.1 支持科技资源集成与服务的科技文本分类需求

2.2.1科技文本资源的特点

2.2.2 科技资源文本分类方法的现状与问题

2.3 多标签科技文本分类技术方案

2.4 本章小结

第三章科技文本的预处理

3.1 科技文本的预处理方法

3.2 科技文本的短文本化及去噪

3.3 科技文本的分词和停用词的去除

3.4 基于 Word2vec的科技文本向量化

3.3 本章小结

第四章基于深度学习的多标签科技文本分类方法

4.1 多标签文本分类问题描述

4.2.1 循环神经网络模型研究

4.2.2 注意力机制模型研究

4.2.3 Seq2seq模型框架研究

4.3 基于 seq2seq 的多标签文本分类模型

4.3.1 编码器

4.3.2 解码器

4.5 本章小结

第五章实验与应用验证

5.1 实验验证

5.1.1 实验数据集

5.1.2 实验环境和参数设置

5.1.3 评价指标

5.1.4 基准模型

5.1.5 多标签文本分类算法实现

5.1.6 对比实验和结果分析

5.2 应用验证

5.2.1 科技论文数据集

5.2.2 科技论文文本预处理

5.2.3 科技论文分类验证

5.3 本章小结

第六章总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间取得的成果