LuanVan.vnLuận Văn
Gửi thư

Ứng dụng mô hình LSTM trong phân loại và quản lý tài liệu văn bản

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
Tác giảLưu Mạnh Đức
Người hướng dẫnTrần Thị Thơm
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Trình bày cơ sở lý thuyết về các phương pháp học máy và học sâu, đặc biệt là các mạng nơ-ron tái phát (RNN), LSTM và BiLSTM, đồng thời giải thích các vấn đề trọng tâm trong học sâu như quá khớp (overfitting), hàm kích hoạt, và phương pháp huấn luyện. Mô tả mô hình bài toán phân loại văn bản với các khối xử lý dữ liệu, từ tiền xử lý, biểu diễn đặc trưng cho đến dự đoán kết quả. Mô hình kết hợp các kỹ thuật học sâu và các bước huấn luyện nhằm nâng cao độ chính xác. Kết quả đạt được đóng góp vào lý thuyết về học máy và học sâu, mang lại giải pháp thực tế cho các ứng dụng phân loại văn bản, giúp cải thiện hiệu suất trong các lĩnh vực như tìm kiếm thông tin, dịch tự động, và phân tích văn bản.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.