知识驱动的特定领域文本分类方法

目录

声明

第一章 绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.2.1 文本分类研究现状

1.2.2 知识图谱研究现状

1.3 主要研究内容

1.4 论文组织结构

1.5 本章小结

第二章 相关理论基础

2.1 文本表示

2.2 文本预处理

2.2.2 分词

2.2.3 停用词过滤

2.3 传统文本分类算法

2.3.1 K-最近邻算法（KNN）

2.3.2 朴素贝叶斯算法（Naive Bayes，NB）

2.3.3 支持向量机（SVM）

2.4 本章小结

第三章 基于互联网知识的App文本分类

3.1 前言

3.2 相关工作

3.3 方法

3.3.1 概述

3.3.2 基分类器

3.3.3 半监督学习框架

3.4 实验

3.4.1 实验步骤和数据设置

3.4.2 实验一、基分类器的评估

3.4.3 实验二、半监督学习框架的评估

3.4.4 实验三、与基线的比较

3.5 本章小结

第四章 基于知识图谱的环保领域文本分类

4.1 前言

4.2 相关工作

4.3 方法

4.3.1 总体架构

4.3.2 环保知识图谱的构建

4.3.3 实体识别

4.3.4 特征扩展

4.3.5 基于Bi-LSTM的多标签分类

4.4实验

4.4.1 深度学习基分类器的评估

4.4.2 环保问题分类实验

4.5 本章小结

第五章 多意图混合式智能问答系统

5.1 前言

5.2 相关工作

5.3 系统功能和环境

5.4 总体设计

5.4.1 数据层

5.4.2 分析层

5.4.3 检索层

5.3.4 前端展示层

5.5 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

作者简介

1 作者简历

2 攻读硕士期间参与的工程项目和发表的论文

3发明专利

学位论文数据集