声明
致谢
摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 论文的组织
2 相关理论与基础
2.1 文本预处理
2.2 特征选择
2.3 文本表示
2.3.1 布尔模型
2.3.2 向量空间模型
2.3.3 概率模型
2.4 文本分类算法
2.4.1 朴素贝叶斯
2.4.2 k近邻算法
2.4.3 支持向量机
2.5 本章小结
3 基于词向量的动态加权表示模型
3.1 向量空间模型
3.2 词向量模型
3.3 词向量的动态加权表示模型
3.4 数据集及实验方式
3.4.1 数据集信息
3.4.2 训练模型参数
3.4.3 实验评价指标
3.5 实验结果及分析
3.6 本章小结
4 基于词向量动态加权模型的分类器集成学习策略
4.1 分类器集成介绍
4.1.1 分类器集成的训练方式
4.1.2 分类器集成的组合方式
4.2 基于词向量动态加权模型的支持向量机集成
4.3 实验方式和结果分析
4.4 本章小结
5 基于微信文本的分布式分类系统的实现
5.1 分布式平台框架
5.2 分布式平台文本分类系统的设计
5.2.1 实验结果分析
5.3 分布式平台文本分类系统的实现
5.3.1 数据集模块
5.3.2 文本预处理模块
5.3.3 数据集向量化模块
5.3.4 文本分类模块
5.4 本章小结
6.1 结论
6.2 未来期望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
声明
学位论文数据集