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
1.2.1 文本分类模型研究现状
1.2.2 特征选择方法研究现状
1.2.3 新闻推荐研究现状
1.3 论文主要研究内容和目标
1.3.1 研究内容
1.3.2 研究目标
1.4 论文的组织结构
第二章 相关理论
2.1 文本预处理
2.1.1 分词
2.1.2 去停用词
2.1.3 文本表示
2.1.4 特征选择和提取
2.1.5 特征加权
2.2 基于卷积神经网络的文本分类
2.2.1 卷积神经网络
2.2.2 文本分类模型
2.3 小样本数据处理方法
2.4 微粒群算法原理
2.5 新闻推荐算法
2.6 本章小结
第三章 小样本特征选择优化算法研究
3.1 小样本特征选择
3.1.1 小样本特征选择现状
3.1.2 权值不平衡问题
3.2 循环神经网络下的Bi-PSO算法
3.2.1候选子集生成
3.2.2基于Bi-LSTM的语义模型
3.2.3 Bi-PSO的算法原理
3.3 Bi-PSO算法的实验与分析
3.3.1实验环境与实验数据
3.3.2 实验结果与分析
3.4 本章小结
第四章 基于TextCNN的语义模型
4.1 语义模型的动机
4.2 TextCNN模型
4.2.1 TextCNN研究现状
4.2.2 神经网络层
4.3 特征的二元加权方法
4.3.1 多重权重系数
4.3.2 位置权重系数
4.4 TC-Fbfw模型
4.4.1 特征向量二元加权
4.4.2 分类性能对比
4.4.3 模型评估
4.5 本章小结
第五章 新闻推荐原型系统
5.1 原型系统分析
5.1.1 系统功能
5.1.2 系统总体架构
5.2 推荐模型实现
5.2.1实验数据预处理
5.2.2语义模型设计
5.2.3 文本相似度匹配流程
5.2.4 动态时效排序
5.2.5系统实现
5.3 实验验证与分析
5.4 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
攻读硕士期间发表的学术论文及科研成果
江苏大学;
