声明
1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状及存在问题
1.2.1 国内外研究现状
1.2.2 现存问题及难点
1.3 研究框架及内容
1.3.1 研究框架
1.3.2 研究内容
1.4 本文组织结构
2 相关理论概述
2.1 传统文本表示方法
2.1.1 布尔模型
2.1.2 空间向量模型
2.1.3 主题模型
2.2 TF-IDF算法
2.3 Word embedding模型
2.3.1 CBOW模型
2.3.2 Skip-gram模型
2.3.3 GloVe模型
2.4 文本分类方法
2.4.1 支持向量机模型
2.4.2 fastText模型
2.5 评估指标
2.6 本章小结
3 基于WT-GloVe的词向量加权模型
3.1 理论基础
3.2 基于WT-GloVe的词向量加权模型
3.2.1 基于WDID-TFIDF的特征加权算法
3.2.2 基于WT-GloVe的词向量加权模型
3.3 实验与结果分析
3.3.1 实验数据
3.3.2 实验设置
3.3.3 实验分析
3.4 本章小结
4 基于STL-fastText的文本分类模型
4.1 理论基础
4.2 基于STL-fastText的文本分类模型
4.2.1 基于SLF-TFIDF的低频词加权算法
4.2.2 基于STL-fastText的文本分类模型
4.3 实验与结果分析
4.3.1 实验数据
4.3.2 实验设置
4.3.3 实验分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间主要研究成果