融合知识库统计信息与概念信息的短文本分类方法

声明

目 录

第 1 章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1文本表示方法国内外研究

1.2.2 文本分类方法国内外研究

1.3本文主要工作

1.4论文组织结构

第 2 章 相关理论技术

2.1文本分类流程

2.2文本预处理

2.2.1文本分词

2.2.2去除停用词与提取词干

2.2.3去除非法格式字符

2.3文本表示模型

2.3.1离散表示

2.3.2分布表示

2.4文本分类常用算法

2.4.1 K 近邻分类算法

2.4.2支持向量机算法

2.4.3卷积神经网络

2.4.4循环神经网络

2.5注意力机制

2.5.1层次注意力

2.5.2前馈注意力

2.5.3多头自注意力

2.6深度学习框架介绍

2.7相关知识库

本章小结

第 3 章 基于知识库统计信息的短文本分类方法

3.1相关特征加权计算方法

3.1.1 布尔权重

3.1.2词频

3.1.3逆文档频率

3.1.4词频-逆文档频率

3.2权重计算方法

3.3分类流程及实现

3.3.1特征加权流程

3.3.2整体分类流程

3.4实验结果分析

3.4.1数据集

3.4.2分类器及评价标准

3.4.3实验结果

本章小结

第 4 章 融入知识库概念信息的短文本分类方法

4.1词嵌入表示

4.2概念表示

4.3 CAE-CNN 分类模型

4.3.1输入编码层

4.3.2短文本卷积层

4.3.3 softmax 分类层

4.4实验分析

4.4.1实验数据集

4.4.2实验参数设置

4.4.3对比实验方法及实验结果分析

4.5基于深度学习的变体方法

4.5.1实验设置

4.5.2实验结果和分析

本章小结

结 论

参考文献

附录 A 攻读工程硕士学位期间研究成果

致谢