声明
1 绪论
1.1 研究背景及意义
1.2 相关文献综述
1.2.1 短文本序列表示方法综述
1.2.2 短文本序列分类算法综述
1.3 本文研究内容
1.4 论文组织结构
1.5 本章小结
2 相关理论基础
2.1 基于word2vec的词向量表示方法
2.2 基于密度峰值搜索的聚类方法
2.2.1 局部密度和距离
2.2.2 聚类过程
2.3 超图理论概述
2.4 本章小结
3 基于语义表示的短文本序列分类算法
3.1 短文本特点
3.2 短文本语义表示方法
3.2.1 预训练词向量
3.2.2 词向量语义聚类
3.2.3 短文本语义表示
3.3 深度特征提取
3.4 基于语义表示的短文本分类
3.4.1 超图构建
3.4.2 超图学习
3.4.3 算法复杂度分析
3.5 实验分析
3.5.1 实验数据及相关设置
3.5.2 评价标准
3.5.3 实验结果与分析
3.6 本章小结
4 基于多视图的短文本序列分类算法
4.1 多视图特征学习方法
4.1.1 短文本序列全局特征学习
4.1.2 短文本序列融合特征学习
4.2 基于多视图特征的短文本分类
4.2.1 算法描述
4.2.2 算法复杂度分析
4.3 实验分析
4.4 多视图超图在航空发动机故障诊断中的应用初探
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书
