發(fā)布時間：2024-12-17 21:33

　　科研工作者在日�？蒲谢顒又型枰殚喆罅康目萍颊撐摹Ｋ�,快速獲取相關研究方向的科技論文成為了科研工作者的普遍需求。于是,對論文的分類和推薦便成為了一個亟待解決的問題。論文摘要是一類極具研究價值的短文本數據。因此,對摘要這類數據進行短文本處理,并基于摘要實現對論文的分類與推薦便具有了重要的意義。在現階段,短文本處理問題主要采用卷積神經網絡和循環(huán)神經網絡等深度學習技術來解決。但是,這類方法的缺陷在于對短文本特征空間的挖掘不夠充分。所以,本文對現有短文本處理方法進行了研究與改進,在此基礎上完成了對基于摘要的論文分類與推薦模型的研究,并實現了科技論文推薦原型系統(tǒng),主要內容如下.:(1)基于摘要的論文分類模型研究。本文針對現有短文本分類方法的不足,在卷積神經網絡中加入了主題向量拼接算法,完成了文本主題信息的引入,從而提出了基于主題的卷積神經網絡模型。并且,本文將該模型整合到論文分類模型中,使其解決了現有方法對文本特征空間挖掘不足的問題,取得了更好的分類準確率。(2)基于摘要的論文推薦模型研究。本文提出了基于論文類別的特征工程方法,把在論文分類模型中得到的分類結果以分類特征的形式加入到論文推薦模...

【文章頁數】：91 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外發(fā)展現狀
    1.3 論文的主要工作和創(chuàng)新點
        1.3.1 主要工作
        1.3.2 主要創(chuàng)新點
    1.4 論文結構安排
第二章 相關技術介紹
    2.1 潛在狄利克雷分布主題模型概述
    2.2 Word2Vec詞嵌入模型概述
    2.3 自然語言處理中的深度學習模型概述
        2.3.1 卷積神經網絡
        2.3.2 循環(huán)序列模型
        2.3.3 卷積神經網絡與循環(huán)序列模型的比較
    2.4 XGBoost模型概述
    2.5 相關框架和代碼庫
        2.5.1 TensorFlow深度學習庫概述
        2.5.2 Keras深度學習庫概述
    2.6 本章小結
第三章 基于摘要的論文分類與推薦模型研究
    3.1 數據集概述
    3.2 基于主題的卷積神經網絡的研究
        3.2.1 數據預處理
        3.2.2 模型結構和原理
        3.2.3 模型調參實驗
        3.2.4 模型驗證實驗
    3.3 基于摘要的論文分類模型研究
        3.3.1 數據預處理
        3.3.2 模型總體結構
        3.3.3 模型調參實驗
        3.3.4 模型驗證實驗
    3.4 基于摘要的論文推薦模型研究
        3.4.1 特征工程
        3.4.2 模型選用
        3.4.3 模型調參實驗
        3.4.4 模型驗證實驗
    3.5 本章小結
第四章 科技論文推薦原型系統(tǒng)的設計與實現
    4.1 系統(tǒng)需求分析
        4.1.1 功能需求分析
        4.1.2 非功能需求分析
    4.2 系統(tǒng)概要設計
        4.2.1 系統(tǒng)總體架構設計
        4.2.2 系統(tǒng)功能模塊劃分
        4.2.3 系統(tǒng)工作流程設計
        4.2.4 數據庫設計
    4.3 系統(tǒng)詳細設計與實現
        4.3.1 登錄注冊模塊
        4.3.2 系統(tǒng)管理模塊
        4.3.3 論文推薦模塊
        4.3.4 結果導出模塊
    4.4 本章小結
第五章 科技論文推薦原型系統(tǒng)的測試與分析
    5.1 系統(tǒng)測試環(huán)境
    5.2 系統(tǒng)測試及結果分析
        5.2.1 登錄注冊測試
        5.2.2 系統(tǒng)管理測試
        5.2.3 論文推薦測試
        5.2.4 結果導出測試
        5.2.5 系統(tǒng)性能測試
    5.3 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間取得的研究成果



本文編號：4016561