声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
第二章 文本分类技术介绍
2.1 文本预处理
2.1.1 文本数据增强
2.1.2 分词
2.1.3 去停用词
2.1.4 文本表示
2.2 传统文本分类方法
2.2.1 朴素贝叶斯
2.2.2 K-最近邻
2.2.3 支持向量机
2.2.4 Softmax分类器
2.3 深度学习文本分类方法
2.3.1 卷积神经网络
2.3.2 循环神经网络
2.3.3 注意力机制
2.4 集成学习方法
2.5 性能评价指标
2.6 本章小结
第三章 基于 CBA模型的新闻文本分类研究
3.1 基于 EDA进行新闻文本数据增强
3.2 CBA模型设计
3.3 基于 CBA模型的新闻文本分类流程
3.3.1 数据预处理
3.3.2 特征提取
3.3.3 训练模型进行分类
3.4 实验与分析
3.4.1 实验环境和数据
3.4.2 实验具体设计
3.4.3 实验参数设置
3.4.4 实验结果与分析
3.5 本章小结
第四章 基于 ECBA模型的新闻文本分类研究
4.1 ECBA模型设计
4.2 ECBA模型处理流程
4.3 实验与分析
4.3.1 实验环境和数据
4.3.2 实验具体设计
4.3.3 实验参数设置
4.3.4 实验结果与分析
4.4 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的学术成果
致谢
安徽大学;