|
|
|
自然语言处理—中文词和短文本向量化的研究 |
|
论文目录 |
|
摘要 | 第5-6页 | Abstract | 第6页 | 第一章 引言 | 第9-15页 | 1.1 研究背景 | 第9-10页 | 1.2 发展现状 | 第10-12页 | 1.3 本文的研究 | 第12-13页 | 1.4 组织结构 | 第13-15页 | 第二章 理论基础 | 第15-23页 | 2.1 分词原理及去停用词 | 第15-20页 | 2.1.1 基于规则的分词方法 | 第15-16页 | 2.1.2 基于统计的分词方法 | 第16-18页 | 2.1.3 基于理解的分词方法 | 第18-19页 | 2.1.4 去停用词 | 第19-20页 | 2.2 文本相似度 | 第20-23页 | 2.2.1 基于关键词匹配 | 第20-21页 | 2.2.2 基于向量空间 | 第21-23页 | 第三章 数学模型 | 第23-34页 | 3.1 中文Hash码表示法 | 第23-25页 | 3.2 概率语言模型 | 第25-29页 | 3.2.1 中文词向量化模型 | 第25-26页 | 3.2.2 短文本向量化模型 | 第26-29页 | 3.3 模型求解 | 第29-34页 | 3.3.1 文本预处理 | 第29页 | 3.3.2 概率语言模型求解——中文词向量化 | 第29-31页 | 3.3.3 概率语言模型求解——短文本向量化 | 第31-34页 | 第四章 应用结果分析 | 第34-45页 | 4.1 中文词向量模型应用 | 第34-37页 | 4.1.1 文本分词结果展示 | 第34页 | 4.1.2 人物社交网络设计说明 | 第34-37页 | 4.1.3 人物社交网络结果分析 | 第37页 | 4.2 舆情短文本模型在文本分类中的应用 | 第37-40页 | 4.2.1 数据集 | 第38-39页 | 4.2.2 预测准确度分析 | 第39-40页 | 4.3 舆情短文本在文本聚类中的应用 | 第40-45页 | 4.3.1 舆情事件——预警 | 第41-42页 | 4.3.2 舆情事件衡量标准 | 第42-44页 | 4.3.3 结果分析 | 第44-45页 | 第五章 总结与展望 | 第45-46页 | 参考文献 | 第46-50页 | 致谢 | 第50页 |
|
|
|
|
论文编号BS4432044,这篇论文共50页 会员购买按0.35元/页下载,共需支付17.5元。 直接购买按0.5元/页下载,共需要支付25元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|