声明
1 . 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3本文的主要研究内容和创新
1.4论文组织结构
2 . 深度学习和文本分类相关理论
2.1 自然语言处理
2.2 文本分类简介
2.3 文本预处理
2.4 中文分词
2.4.1 基于字典的分词方法
2.4.2 基于理解的分词方法
2.4.3 基于统计的分词方法
2.5 文本表示
2.6 文本分类模型
2.6.1 支持向量机
2.6.2 决策树
2.6.3 朴素贝叶斯
2.6.4 k 邻近算法(KNN)
2 .7 文本分类的深度学习模型
2.7.1 深度学习
2.7.2 激活函数
2.7.3 循环神经网络模型(RNN)
2.8 本章小结
3. 改进的混合神经网络模型
3.1 文本分类任务流程
3.2 实验环境
3.3 改进的混合神经网络模型框架
3.4 数据预处理
3.4.1 数据来源
3.4.2 数据清洗
3.4.3 文本表示
3.5 词嵌入层的实现与改进
3.5.1 中文分词
3.5.2 TF-IDF值
3.5.3 词嵌入层的改进
3.6 CNN和 LSTM 相结合提取高阶特征
3.6.1 输入层
3.6.2 LSTM模型层
3.6.3 CNN模型层
3.7 本章小结
4. 模型训练及实验结果
4.1 模型训练
4.2模型评价准则
4.2.1 召回率
4.2.2 准确率
4.2.3 F1
4.3模型验证
4.4 模型对比实验
4.5 本章总结
5 . 总结和展望
5.1 总结
5.2 研究展望
致谢
参考文献
西南财经大学;