系统评价中自动化偏倚风险评估的相关算法研究

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 系统评价与偏倚风险评估的相关概念

1.2.2 自动化偏倚风险评估算法研究现状

1.3 本文主要研究内容

1.4本文结构安排

第二章 基于n-gram与TF-IDF的偏倚风险评估算法研究

2.1特征工程方法研究

2.1.1传统基于词袋模型的特征工程方法分析

2.1.2本文基于n-gram与TF-IDF的特征工程方法研究

2.2本文采用的机器学习文本分类算法介绍

2.2.1 Logistic 回归分类算法介绍

2.2.2 SVM分类算法介绍

2.2.3 Navibayes 分类算法介绍

2.2.4 Random Forest 分类算法介绍

2.2.5 XGBoost 分类算法介绍

2.3 基于n-gram与TF-IDF 的偏倚风险评估算法实现

2.3.1 数据来源

2.3.2 数据预处理

2.3.3 模型选择及参数设置

2.4 对比实验设计及结果分析

2.4.1 模型评估指标

2.4.2 实验结果分析

2.5 本章小结

第三章 基于BERT模型的偏倚风险评估算法研究

3.1 BERT简介

3.1.1 预训练 NLP 模型

3.1.2 早期预训练NLP模型的研究

3.1.3 ELMo，OpenAI GPT到BERT

3.2 基于BERT模型的偏倚风险评估算法设计

3.2.1 BERT预训练模型的思想与流程

3.2.2基于BERT文本分类模型的构建

3.3基于BERT文本分类模型的算法实现

3.3.1数据来源及预处理

3.3.2模型的参数选择

3.4实验结果及分析

3.5本章小结

第四章 自动化偏倚风险评估系统的设计与实现

4.1 系统总体设计

4.1.1 系统模块介绍

4.1.2 系统开发语言及框架介绍

4.1.3 系统的主要功能及流程介绍

4.2 系统主要功能模块的设计与实现

4.2.1 注册登录模块设计与实现

4.2.2 文件上传及处理模块设计与实现

4.2.3 自动化偏倚风险评估模块设计与实现

4.2.4 评估结果展示模块设计与实现

4.3 系统部署与测试

4.3.1 系统部署

4.3.2 系统测试

4.4 本章小结

第五章 全文总结和展望

5.1 总结

5.2 展望

致 谢

参考文献