首页> 中文学位 >基于价格投诉举报数据的文本分类方法研究及应用
【6h】

基于价格投诉举报数据的文本分类方法研究及应用

代理获取

目录

声明

摘要

第一章 绪论

1.1选题背景与意义

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3主要研究内容

第二章文本分类相关理论基础

2.1文本分类介绍

2.2文本向量化介绍

2.3中文分词技术介绍

2.4深度学习模型介绍

2.4.1卷积神经网络

2.4.2循环神经网络

2.4.3长短记忆神经网络

2.5本章小结

第三章基于价格投诉举报文本的命名实体识别

3.1价格投诉举报文本数据集简介

3.2数据预处理

3.2.1高频词提取

3.2.2词性标注

3.3基于价格投诉举报文本的命名实体识别

3.4本章小结

第四章基于价格投诉举报数据文本分类方法研究

4.1基于卷积神经网络的文本分类

4.1.1文本分类流程

4.1.2整体架构

4.1.3实验设计

4.1.4实验结果分析

4.2基于卷积神经网络和循环神经网络的文本分类

4.2.1研究思路

4.2.2整体框架

4.2.3算法改进

4.3基于卷积神经网络和循环神经网络的双通道文本分类混合模型

4.3.1研究思路

4.3.2整体框架

4.3.3模型算法

4.4实验及其结果分析

4.4.1分类模型评价方法

4.4.2对比实验设计

4.4.3分类实验对比结果

4.5本章小结

第五章基于价格投诉举报的文本分类方法应用

5.1价格投诉举报文本分类系统介绍

5.2价格投诉举报文本分类系统需求分析

5.2.1注册与登录功能需求分析

5.2.2分类管理功能需求分析

5.2.3文本查询功能需求分析

5.3价格投诉举报文本分类系统数据流图

5.4价格投诉举报文本分类系统设计

5.4.1价格投诉举报文本分类系统功能框架

5.4.2价格投诉举报文本分类系统软件架构设计

5.4.3价格投诉举报文本分类系统功能设计

5.4.4价格投诉举报文本分类系统数据库设计

5.5价格投诉举报文本分类系统实现

5.5.1价格投诉举报文本分类系统实现技术介绍

5.5.2价格投诉举报文本分类系统实现

5.6本章小结

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢

展开▼

著录项

  • 作者

    余振钢;

  • 作者单位

    北京化工大学;

  • 授予单位 北京化工大学;
  • 学科 计算机技术
  • 授予学位 硕士
  • 导师姓名 史晟辉,贺伟民;
  • 年度 2020
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP3TM7;
  • 关键词

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号