基于深度学习的新闻文本分类与自动文摘系统设计与实现

目录

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 课题关键问题

1.3.1 新闻文本分类关键问题

1.3.2 新闻摘要生成关键问题

1.4 研究内容

1.5 结构安排

第二章 相关原理及技术

2.1 文本分类理论

2.2 自动文摘方法

1.基于图模型的抽取式文摘法

2.基于神经网络的生成式文摘法

2.3 深度学习基础

1. 人工神经网络模型

2. BP神经网络

3. 深度学习框架

2.4 本章小结

第三章 基于语义增强的新闻文本分类方法研究

3.1 引言

3.2 总体模型框架

3.3 数据增强

3.3.1 数据增强策略设计

3.3.2 数据增强策略实现

3.4 融合语义增强的新闻文本分类模型

3.4.1 Bert语言模型与循环神经网络

3.4.2 分类模型结构设计

3.4.3 分类模型核心实现

3.5 实验分析

3.5.1 实验环境及数据集

3.5.2 新闻文本分类实验方案

3.5.3 数据增强策略有效性验证

3.5.4 融合语义增强机制有效性验证

3.6 本章小结

第四章 基于生成式的新闻自动文摘方法研究

4.1 引言

4.2 总体模型框架

4.3 词向量表示

4.3.1 改进的词向量设计

4.3.2 改进的词向量实现

4.4.1 Transformer框架结构

4.4.2 生成式摘要模型结构设计

4.4.3 生成式摘要模型核心实现

4.5 实验分析

4.5.1 实验环境及数据集

4.5.2 生成式摘要实验方案

4.5.3 生成式摘要模型有效性验证

4.6 本章小结

第五章 新闻系统设计实现与测试

5.1 需求分析

5.2.1 总体设计

5.2.2 数据库设计与实现

5.2.3 功能模块设计与实现

5.3 系统测试

5.3.1 测试方案与测试环境

5.3.2 系统功能测试

5.3.3 系统性能测试

5.4 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 展望

致谢

参考文献

攻读硕士学位期间取得的成果