根據(jù)2018年8月中發(fā)布的《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示,中國在2018年上半年的網(wǎng)民規(guī)模已經(jīng)超過8億水平,其中手機網(wǎng)民規(guī)�？烧�98%之多,這也意味著人們在移動互聯(lián)網(wǎng)時代關于信息的獲取偏好逐漸從傳統(tǒng)互聯(lián)網(wǎng)轉向移動互聯(lián)網(wǎng),人們對移動終端的偏好也越來越強。而關于中國網(wǎng)民對于各類互聯(lián)網(wǎng)應用的統(tǒng)計表明,有超過6.6億近83%的中國網(wǎng)民在生活中會使用網(wǎng)絡新聞類應用,其使用率高居所有應用類別的第二,僅次于即時通訊類應用。關于新聞行業(yè)的發(fā)展前景較為廣闊,如何在移動互聯(lián)網(wǎng)時代末期將網(wǎng)絡新聞相關技術與人工智能等前沿技術結合,為用戶呈現(xiàn)更好更有價值的內(nèi)容,這是非常值得研究的一件事。新聞是人們對時事、最新行業(yè)相關消息了解的重要途徑,而新聞的信息分類有助于實現(xiàn)新聞的有序化,對新聞文本進行挖掘,從而達到對決策提供引導。由于新聞分類本質上是一個文本分類問題,而且文本分類作為自然語言處理領域研究的一個重要方向,所以至今為止,人們對新聞文本分類已經(jīng)有大量的研究。目前大部分文本分類問題都局限于使用常規(guī)的機器學習算法,所以對深度學習算法的研究應用還比較有限,所以本文旨在研究這個方面的問題。本文將新聞標題作為新聞分類...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
緒論
    一、研究背景及意義
        (一)研究背景
        (二)研究意義
    二、國內(nèi)外研究現(xiàn)狀
    三、本文主要研究內(nèi)容與創(chuàng)新點
    四、本文整體結構
第一章 短文本分類相關技術
    第一節(jié) 短文本分類流程介紹
        一、文本分類流程
        二、短文本預處理
        三、詞向量訓練
    第二節(jié) 分類算法相關模型介紹
        一、樸素貝葉斯
        二、卷積神經(jīng)網(wǎng)絡
        三、循環(huán)神經(jīng)網(wǎng)絡
    第三節(jié) 本章小結
第二章 中文新聞標題分類模型的構建
    一、詞向量模型的選擇與訓練
    二、注意力機制模型
    三、自注意模型介紹
    四、基于自注意機制的組合短文本分類模型
    五、本章小結
第三章 實驗結果與對比分析
    一、實驗數(shù)據(jù)來源與環(huán)境介紹
    二、實驗數(shù)據(jù)采集
    三、實驗數(shù)據(jù)預處理
    四、實驗相關配置參數(shù)說明
    五、分類效果評判指標說明
    六、對比實驗說明
    七、實驗結果分析
    八、本章小結
總結與展望
    一、本文工作總結
    二、未來工作展望
參考文獻
致謝



本文編號：3764128