声明
1 绪 论
1.1 研究工作的背景与意义
1.1.1 文本表示方法的研究背景和意义
1.1.2 卷积神经网络模型在文本分类中的研究背景与意义
1.2 国内外研究现状
1.2.1 文本表示方法研究现状
1.2.2 文本分类模型研究现状
1.3 本文的工作内容
1.4 论文组织架构
2 文本分类相关技术原理概述
2.1 传统文本表示方法
2.1.1 词袋模型
2.1.2 向量空间模型
2.1.3 词向量模型
2.2 卷积神经网络及应用
2.2.1 卷积神经网络概述
2.2.2 卷积神经网络在文本分类中的应用
2.3 本章小结
3 一种应用于CNN文本分类的词向量模型
3.1 引 言
3.2 相关模型理论
3.2.1 结合N-Gram特征与Word2vec的词向量模型
3.2.2 双通道卷积神经网络分类模型
3.3 实验结果与分析
3.3.1 文本数据预处理
3.3.2 模型超参数设置
3.3.3 评估指标
3.3.4 实验对比与分析
3.4 本章小结
4 一种基于正则化层次Softmax的CNN文本分类模型
4.1 引 言
4.2 模型理论
4.2.1 Softmax函数
4.2.2 基于霍夫曼树构建的层次Softmax
4.2.3 基于正则化的层次Softmax
4.2.4 基于RH-Softmax的CNN分类模型
4.3 实验结果与分析
4.3.1数据集
4.3.2 实验结果
4.4 本章小结
5 总结与展望
5.1 全文总结
5.2 未来展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果
重庆理工大学;