声明
摘要
第1章绪论
1.1课题背景与研究意义
1.2国内外研究现状
1.2.1主题分类模型
1.2.2深度学习技术
1.2.3学科发展研究现状
1.3论文主要工作与组织结构
第2章本文相关理论和技术
2.1文本预处理和词嵌入
2.1.1文本预处理
2.1.2 Word2vec词嵌入
2.2基于LDA的文本分类
2.2.1 LDA主题分类模型
2.2.2 LDA主题分类模型评估
2.3基于LSTM的文本分类
2.3.1 LSTM分类模型
2.3.2 LSTM分类模型评估
2.4本章小结
第3章基于LDA的可再生能源领域主题分类研究
3.1基于统计分析技术的字段基础信息挖掘
3.2基于LDA的文本隐含主题信息挖掘
3.2.1文本预处理
3.2.2基于LDA模型的主题分类
3.2.3 LDA主题分类下的统计分析
3.2.4 LDA分类模型的主题信息挖掘的评估
3.3基于ARIMA的LDA主题分类热度预测
3.4基于LDA的可再生能源领域的主题分析
3.5本章小结
第4章基于Word2vec+LSTM可再生能源领域主题分类研究
4.1 LSTM分类模型的构建
4.1.1防止过拟合技术的选择
4.1.2激活函数与损失函数的选择
4.1.3模型训练方式的选择
4.1.4交叉验证和模型评估
4.2.1实验环境及数据
4.2.2模型训练及统计结果
4.3基于LSTM的可再生能源领域的趋势预测
4.4本章小结
第5章LDA和LSTM主题分类方法的融合
5.1基于LDA和LSTM主题分类方法对比
5.2基于LDA和LSTM融合的可再生能源领域分类模型
5.2.1 LDA和LSTM融合模型结构
5.2.2融合下的模型训练
5.2.3基于融合模型的可再生能源领域的主题分类
5.3本章小结
第6章结论与展望
6.1结论
6.2展望
参考文献
致谢
攻读学位期间发表的学术成果
学位论文评阅及答辩情况表
山东大学;