基于深度强化学习的时序推特流文本分类方法研究

推特论文 深度强化学习论文 DQN论文 时间序列论文
论文详情
中文摘要第3-4页
英文摘要第4-5页
1 绪论第9-17页
    1.1 研究背景及意义第9-10页
    1.2 相关研究综述第10-13页
        1.2.1 文本分类第10-12页
        1.2.2 深度强化学习第12-13页
    1.3 研究内容和技术路线第13-15页
        1.3.1 研究内容第13-14页
        1.3.2 技术路线第14-15页
    1.4 本文的内容组织和结构第15-16页
    1.5 本章小结第16-17页
2 相关理论与技术第17-31页
    2.1 文本表示方法第17-19页
        2.1.1 词袋模型第17页
        2.1.2 词向量模型第17-18页
        2.1.3 N-Gram语言模型第18页
        2.1.4 神经网络语言模型第18-19页
        2.1.5 CBOW和Skip-Gram模型第19页
    2.2 分类方法第19-22页
        2.2.1 支持向量机第19-20页
        2.2.2 长短期记忆网络第20-22页
    2.3 深度强化网络第22-27页
        2.3.1 动作价值函数第22-23页
        2.3.2 贝尔曼方程第23-24页
        2.3.3 最优价值函数第24页
        2.3.4 策略迭代第24-25页
        2.3.5 价值迭代第25-26页
        2.3.6 e-greedy策略第26-27页
    2.4 Q-Learning算法第27-28页
    2.5 Deep Q-Network算法第28-29页
        2.5.1 价值函数近似第28页
        2.5.2 算法描述和架构第28-29页
    2.6 本章小结第29-31页
3 时序推特流文本相关度预测模型第31-38页
    3.1 基于向量空间余弦的相似度计算第31-33页
        3.1.1 度量向量之间相似度的方法第31-32页
        3.1.2 余弦相似度计算第32-33页
    3.2 基于SVM的相关度预测模型第33-35页
        3.2.1 基本分类流程第33-34页
        3.2.2 特征抽取第34页
        3.2.3 归一化处理第34-35页
        3.2.4 数据不均衡问题第35页
    3.3 基于LSTM的相关度预测模型第35-37页
    3.4 本章小结第37-38页
4 基于DQN-TC算法的时序推特流文本分类方法第38-43页
    4.1 问题定义第38-39页
    4.2 算法设计第39-42页
        4.2.1 算法流程第39页
        4.2.2 算法框架第39-42页
    4.3 本章小结第42-43页
5 实验与分析第43-56页
    5.1 实验环境配置第43-45页
        5.1.1 实验中的一些基本概念第43页
        5.1.2 工具介绍第43-44页
        5.1.3 参数设置第44-45页
    5.2 推特数据预处理第45-52页
        5.2.1 数据集介绍第45-46页
        5.2.2 数据清洗第46-47页
        5.2.3 数据统计分析第47-51页
        5.2.4 文本数据向量化第51-52页
    5.3 实验结果与分析第52-55页
        5.3.1 基于夹角余弦值的相似度计算结果和分析第52-53页
        5.3.2 相关算法推特文本分类实验结果和分析第53-55页
    5.4 本章小结第55-56页
6 总结与展望第56-58页
    6.1 总结第56页
    6.2 展望第56-58页
致谢第58-59页
参考文献第59-62页
附录第62页
    A.作者在攻读学位期间发表的论文目录:第62页
论文购买
论文编号ABS4590913,这篇论文共62页
会员购买按0.30元/页下载,共需支付18.6
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付31
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656