隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,人們對(duì)信息的獲取日益便捷,各種信息分享平臺(tái)不斷出現(xiàn)。在線問答社區(qū)在此背景下應(yīng)運(yùn)而生,并且吸引了越來越多的用戶,已經(jīng)逐漸成為人們獲取和分享信息的一種重要平臺(tái)。在線問答社區(qū)蓬勃發(fā)展的同時(shí),每天都會(huì)產(chǎn)生大量的新問題,為了能夠有效地管理、組織這些問題數(shù)據(jù),社區(qū)采用了標(biāo)簽這一大眾分類的方式,為每個(gè)問題賦予一個(gè)或多個(gè)標(biāo)簽反映問題的主題。標(biāo)簽不同于一般的目錄結(jié)構(gòu)自頂向下的層次分類方法,各個(gè)標(biāo)簽之間是一種平行的關(guān)系,它以較少的代價(jià)細(xì)化分類。在線問答社區(qū)通過將問題標(biāo)簽化,有效地解決了問題資源管理的問題。目前在線問答社區(qū)問題標(biāo)簽由用戶提出問題時(shí)給定,由于用戶本身不同的知識(shí)背景,往往不能準(zhǔn)確快速的選出合適且全面的標(biāo)簽來描述問題。為了解決這個(gè)問題,一些標(biāo)簽推薦方法被提出,旨在為用戶在提問時(shí)推薦一系列高質(zhì)量的標(biāo)簽供其選擇,提高問題標(biāo)注的效率和準(zhǔn)確性。本文提出基于深度學(xué)習(xí)的標(biāo)簽推薦模型,運(yùn)用深度學(xué)習(xí)的方法提取問題的語義特征對(duì)在線問答社區(qū)進(jìn)行標(biāo)簽推薦工作,并且采用數(shù)據(jù)增強(qiáng)的方法提升模型性能,除此之外還提出基于深度學(xué)習(xí)模型的融合模型。本文的主要工作內(nèi)容如下:（1）闡述了在線問答社區(qū)的問題標(biāo)簽... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)理論基礎(chǔ)
    2.1 在線問答社區(qū)
    2.2 數(shù)據(jù)解析與預(yù)處理
        2.2.1 XML解析技術(shù)
        2.2.2 文本預(yù)處理
    2.3 文本表示
        2.3.1 傳統(tǒng)表示方法
        2.3.2 分布式表示
    2.4 深度學(xué)習(xí)模型
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
3 數(shù)據(jù)的選取和預(yù)處理
    3.1 數(shù)據(jù)選取
    3.2 數(shù)據(jù)預(yù)處理
    3.3 詞向量預(yù)訓(xùn)練
    3.4 本章小結(jié)
4 基于深度學(xué)習(xí)的在線問答社區(qū)問題標(biāo)簽推薦
    4.1 問題標(biāo)簽推薦描述
    4.2 基于深度學(xué)習(xí)的標(biāo)簽推薦模型
        4.2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的標(biāo)簽推薦模型
        4.2.2 基于長(zhǎng)短期記憶網(wǎng)絡(luò)的標(biāo)簽推薦模型
        4.2.3 基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的標(biāo)簽推薦模型
    4.3 實(shí)驗(yàn)設(shè)計(jì)與評(píng)估方法
        4.3.1 實(shí)驗(yàn)環(huán)境
        4.3.2 實(shí)驗(yàn)設(shè)置
        4.3.3 評(píng)估方法
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 卷積窗口寬度對(duì)模型性能的影響
        4.4.2 K-Max pooling對(duì)模型性能的影響
        4.4.3 對(duì)比算法實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 基于數(shù)據(jù)增強(qiáng)和融合模型的問題標(biāo)簽推薦
    5.1 問題的提出
    5.2 數(shù)據(jù)增強(qiáng)
    5.3 融合模型
    5.4 實(shí)驗(yàn)設(shè)計(jì)與評(píng)估方法
    5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.1 數(shù)據(jù)增強(qiáng)的效果與分析
        5.5.2 融合模型的效果與分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄
    A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀學(xué)位期間取得的科研成果目錄
    C.學(xué)位論文數(shù)據(jù)集
致謝



本文編號(hào)：3173331