细粒度的新闻文本分类方法

目录

第1 章 绪 论

1.1 课题来源

1.2 课题研究的背景及意义

1.3 国内外相关技术研究现状分析

1.3.1 基于传统机器学习的文本分类

1.3.2 基于深度学习的文本分类

1.3.3 基于多任务学习的文本分类

1.4 本文主要研究内容

1.5 论文的组织与结构

第 2 章 新闻文本分类方法简介

2.1 引言

2.2 目标类别新闻鉴别的整体流程

2.3 基于深度学习的文本分类方法

2.3.1 基于深度学习的文本分类框架

2.3.2 基于深度学习的文本分类模型

2.3.3 基于预训练语言模型的文本分类方法

2.3.4 基于深度学习的文本分类器

2.4 基于多任务学习的文本分类方法

2.4.1 多任务学习的基本概念

2.4.2 多任务学习下的两种学习模式

2.4.3 多任务学习在文本分类当中的应用

2.5 本章小结

第3 章 层次化文本表示的长文本分类

3.1 引言

3.2 层次化的长文本表示方法

3.2.1 嵌入层的设计方法

3.2.2 基于 BERT 的句子编码方法

3.2.3 篇章编码方法

3.2.4 篇章分类方法

3.3 数据集介绍

3.3.1 细粒度新闻文本分类数据集

3.3.2 公开数据集简介

3.4 评价指标介绍

3.5 实验与结果分析

3.5.1 实验环境与配置

3.5.2 实验结果

3.5.3 实验分析

3.6 本章小结

第4 章 基于多任务学习的细粒度文本分类

4.1 引言

4.2 基于多任务学习的文本分类方法

4.2.1 辅助学习任务的构建

4.2.2 多任务学习的文本分类实现方法

4.3 实验结果与分析

4.3.1 基于多任务学习的实验结果

4.3.2 加入目标任务微调之后的实验结果

4.3.3 IMDb 数据集上多任务学习实验结果

4.4 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致 谢