隨著網(wǎng)絡互聯(lián)網(wǎng)的快速發(fā)展,給我們的生活帶來了許多便利,IT行業(yè)從業(yè)者用自己的智慧與汗水,給互聯(lián)網(wǎng)的發(fā)展添加動力。由于IT類崗位工作繁重,IT行業(yè)的加班已成常態(tài),由此引發(fā)的工作效率下降問題日益嚴重,甚至出現(xiàn)了“無效加班”的現(xiàn)象。工作效率的量化對企業(yè)與員工本身都頗有益處,可以幫助員工自身進行工作的合理安排,提升工作效率,拒絕無效加班,可以幫助企業(yè)進行合理的團隊效能提升和人員優(yōu)化等。員工工作效率分析系統(tǒng),結合自然語言處理技術,分析在員工工作電腦上采集到的工作行為數(shù)據(jù),進行工作效率的分析。工作效率的分析數(shù)據(jù)來源主要是:員工進程的使用情況,瀏覽器URL訪問情況和電腦工作時長。系統(tǒng)中涉及到了URL分類技術,web網(wǎng)頁正文抽取技術,中文文本分類技術。Web網(wǎng)頁正文抽取技術在系統(tǒng)中用來對URL鏈接的網(wǎng)頁正文進行抽取,方法使用了基于擴展文本塊密度的正文抽取算法,在對抽取后的文本進行文本分類操作時,使用的方法是:由word2vec技術構建詞向量,LSTM算法作為分類模型。 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

網(wǎng)頁內(nèi)容抽取算法CETBD

合人類分析文本的過程。的計算都與時刻參數(shù) t 有關，隱含層會將 t 時刻從輸入層得與 t-1 時刻的隱含層傳入的數(shù)值進行求和，得到 t 時刻隱藏絡的結構圖如圖 2.2 所示。

LSTM結構

【參考文獻】：
期刊論文
[1]基于改進的n-gram模型的URL分類算法研究[J]. 駱聰,周城.  計算機技術與發(fā)展. 2018(09)
[2]基于深度學習的文本分類研究進展[J]. 劉婷婷,朱文東,劉廣一.  電力信息與通信技術. 2018(03)
[3]自然語言處理中的深度學習:方法及應用[J]. 林奕歐,雷航,李曉瑜,吳佳.  電子科技大學學報. 2017(06)
[4]基于文本塊密度和標簽路徑覆蓋率的網(wǎng)頁正文抽取[J]. 劉鵬程,胡駿,吳共慶.  計算機應用研究. 2018(06)
[5]基于遞歸神經(jīng)網(wǎng)絡的文本分類研究[J]. 黃磊,杜昌順.  北京化工大學學報(自然科學版). 2017(01)
[6]基于Word2vec的微博短文本分類研究[J]. 張謙,高章敏,劉嘉勇.  信息網(wǎng)絡安全. 2017(01)
[7]基于長短期記憶神經(jīng)網(wǎng)絡的短期負荷預測方法[J]. 劉桐彤.  黑龍江科技信息. 2016(31)
[8]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計算機科學. 2016(06)
[9]基于word2vec的關鍵詞提取算法[J]. 李躍鵬,金翠,及俊川.  科研信息化技術與應用. 2015(04)
[10]Word2vec的工作原理及應用探究[J]. 周練.  科技情報開發(fā)與經(jīng)濟. 2015(02)

碩士論文
[1]基于深度學習的文本分類技術的研究[D]. 龐丹丹.北方工業(yè)大學 2018
[2]基于向量空間模型的文本內(nèi)容篩查方法研究[D]. 蔡禮高.電子科技大學 2018
[3]基于URL分類技術的垃圾郵件過濾系統(tǒng)的分析與設計[D]. 邢文釗.北京郵電大學 2013



本文編號：3069651