声明
第1章 绪 论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 存在的问题
1.4 研究的主要内容
1.5 本文总体结构
第2章 基础知识
2.1 引言
2.2 文本分类理论
2.2.1 特征选择
2.2.2 经典分类模型
2.3 循环神经网络
2.3.1 长短时记忆网络结构
2.3.2 门控循环单元网络结构
2.4 本章小结
第3章 基于随机森林模型的句式结构分类
3.1 引言
3.2 大规模数据集构建
3.2.1 Twitter评论文本采集
3.2.2 数据预处理
3.3 特征工程
3.4 基于随机森林的句式结构分类模型
3.4.1 决策树构建
3.4.2 随机森林构建
3.5 本章小结
第4章 基于LSTM的评论文本自动生成及偏差修正
4.1 引言
4.2 基于LSTM编码-解码结构的评论文本生成模型
4.2.1 注意力机制
4.2.2 参数设置
4.3 基于领域知识的偏差修正技术
4.3.1 基于名词与形容词的文本替换算法
4.3.2 文本复述算法
4.3.3 基于模板的文本定制算法
4.4 本章小结
第5章 实验结果分析
5.1 实验环境配置
5.2 实验数据采集结果
5.3 文本分类实验结果与分析
5.3.1 分类性能
5.3.2 实验结果与分析
5.4 文本生成实验结果与分析
5.4.1 真人评估
5.4.2 基于分类器的算法检查
5.4.3 基于K-gram的剽窃查重技术检测
5.5 Twitter平台评论文本生成结果展示
5.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
