隨著互聯(lián)網(wǎng)經(jīng)濟的快速發(fā)展,知識共享模式已經(jīng)逐漸成為了信息資源的傳遞方式。知識型問答社區(qū)是一種基于知識的社交平臺,旨在實現(xiàn)信息資源的需求方和供應方之間的分享與匹配。提問者發(fā)布問題并給出標簽,答問者則根據(jù)標簽檢索到問題并回答。二者的成功匹配依賴于平臺的內(nèi)容分發(fā)功能與信息檢索系統(tǒng),精準的標簽能夠提高用戶體驗、降低運營成本。目前,知識型社交平臺都是由用戶根據(jù)所提出的問題自行打標簽,這種標注方式會造成標簽與問題不相關或標簽不夠準確的問題,降低了平臺內(nèi)容分發(fā)效率和用戶體驗,并造成了一定的人工校驗成本。因此有必要設計一種高效的話題標簽自動標注算法,以期提高內(nèi)容分發(fā)效率,降低人力成本。知識型社交平臺上的標簽自動標注問題本質(zhì)屬于多標簽文本分類任務,每個問題都可能對應多個標簽。多標簽文本分類問題主要包括兩個難點,其一是文本特征提取過程存在噪聲和誤差,降低分類模型性能,其二是多標簽文本分類任務的標簽之間存在許多復雜的語義關系,需要高效的多標簽分類算法。深度學習在自動特征提取方面存在顯著的優(yōu)勢,被廣泛應用于自然語言處理領域。RAkEL是一種高階的多標簽分類算法,能夠挖掘高階的標簽關聯(lián)關系,但是在構(gòu)建多分類器時...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 深度學習在自然語言處理中的發(fā)展
        1.2.2 多標簽文本分類研究現(xiàn)狀
    1.3 研究目標與內(nèi)容
    1.4 研究創(chuàng)新點
    1.5 研究框架
第2章 文本分類技術與理論
    2.1 文本特征提取
        2.1.1 文本向量表示
        2.1.2 自動編碼器
        2.1.3 循環(huán)神經(jīng)網(wǎng)絡
    2.2 多標簽分類算法
        2.2.1 多標簽分類基本概念
        2.2.2 多標簽分類的評價準則
        2.2.3 多標簽分類算法
    2.3 本章小結(jié)
第3章 多標簽文本分類模型
    3.1 特征提取模型
    3.2 多標簽分類模型
        3.2.1 符號說明
        3.2.2 成對標簽相關性
        3.2.3 標簽子集生成算法
        3.2.4 修正機制
    3.3 算法流程
    3.4 本章小結(jié)
第4章 實驗設計與結(jié)果分析
    4.1 實驗設計與參數(shù)設置
        4.1.1 數(shù)據(jù)預處理
        4.1.2 文本特征提取
        4.1.3 實驗設計
    4.2 實驗結(jié)果分析
        4.2.1 對比實驗
        4.2.2 性能分析
        4.2.3 拓展實驗
    4.3 實驗結(jié)論
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 研究結(jié)論
    5.2 未來展望
參考文獻
附錄 A
發(fā)表論文和參加科研情況說明
致謝



本文編號：3853270