文献综述
摘要：科学地对文本信息进行分类，是阅读者理解文本的基础，能显著提高阅读者的阅读速度和理解水平。将深度学习的方法引入到刻面提取文本信息中，能够克服传统刻面分类方法需要人工建立和维护术语空间的缺陷，既减少了工作量也在一定程度上增加了分类的客观性。
关键词：刻面 深度学习 信息提取
1 引言
网络时代信息爆炸，科学的文本信息分类可显著提高阅读者的阅读速度和理解水平。对文本信息进行刻面分类，以表达文本丰富的和不同侧面的信息。传统的文本信息刻面分类的缺点是需要人工建立和维护术语空间，工作量大且含有主观成分。而引入深度学习的方法能有效地克服这一缺陷。
2 刻面分类
2.1 刻面分类概念
刻面分类方法主要应用于软构件复用领域，是 1987 年 Prieto-Diaz R 等人在 IEEE Software 发表的题为《Classifying Software for Reusability》论文中提出的[1]，通常被用来对可复用软构件进行分类和组织。
刻面分类：它是将关键词置于一定的上下文语境中，并从能反映构件本质特性的视角对构件进行精确分类。在刻面分类方法中，关键词被称为术语，视角被称为刻面。每个刻面都有一个结构化的术语空间，且术语之间具有一般/特殊关系和同义词关系。每个构件术语的取值仅限于给定的刻面中[2]。因此，使用刻面分类方法对构件进行分类时，需要选择适当的刻面和建立术语空间。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
