欢迎来到天天文库
浏览记录
ID:37091759
大小:4.58 MB
页数:62页
时间:2019-05-17
《基于word2vec和卷积神经网络的文本分类研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、单位代码10635学号112015321001522硕士学位论文基于word2vec和卷积神经网络的文本分类研究论文作者:李林指导教师:杨国才教授学科专业:计算机软件与理论研究方向:人工智能及其应用提交论文日期:2018年4月6日论文答辩日期:2018年5月26日学位授予单位:西南大学中国重庆2018年5月独创性声明学位论文题目:基于word2vec和卷积神经网络的文本分类研究本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成果。论文中引用他人已经发表或出版过的研究成果,文中已加了特别标注。对本研
2、究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中作了明确说明并表示衷心感谢。学位论文作者:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解西南大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权西南大学研究生院(筹)可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书,本论文:不保密,□保密期限至年月止)。学位论文作者签名:导师签名:签字
3、日期:年月日签字日期:年月目录摘要..................................................................................................................................IAbstract.....................................................................................................
4、.......................III第1章引言.....................................................................................................................11.1研究背景及意义................................................................................................11
5、.2国内外研究现状................................................................................................21.3本文主要研究内容............................................................................................31.4组织结构........................................
6、....................................................................41.5本章小结............................................................................................................5第2章相关理论与技术..............................................................
7、...................................72.1文本分类概述....................................................................................................72.2文本预处理.......................................................................................................
8、.72.2.1分词方法.................................................................................................72.2.2常用分词工具.................................................................................
此文档下载收益归作者所有