计算机论文范文5篇

计算机论文范文怎么写？计算机论文主要研究软件工程、计算机软件、信息系统、信息科学、通信工程等。本文为大家提供了5篇计算机论文范文，供大家写作参考。

神经网络语言模型

计算机论文范文一：文本自动摘要方法研究

本文将Text Rank算法应用到文本自动摘要上,提出了一种基于Text Rank的文本自动摘要算法（SW-Text Rank）;把LDA主题模型引入到文本摘要的提取过程中,解决了Text Rank算法无法考虑文本主题的问题;利用基于字词的Bi LSTM-CRF模型来识别中文文本中的命名实体,获取有效信息,并对词语节点权重进行调整,从而提高生成的文本摘要的准确性。主要工作内容包含以下两部分:（1）针对Text Rank算法在自动提取中文文本摘要时忽略了词语间的语义相关信息及文本的重要全局信息的问题,提出了SW-Text Rank算法。

第1章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 TextRank研究现状
    1.3 研究目标及内容
    1.4 论文组织结构
第2章 相关理论概述
    2.1 文本摘要相关技术
        2.1.1 文本向量化表示
        2.1.2 文本相似度计算
        2.1.3 文本网络图构造
    2.2 TextRank算法
    2.3 自动文摘评价方法
    2.4 本章小结
第3章 基于SW-TextRank的自动摘要方法
    3.1 句子相似度计算优化
    3.2 句子权重计算优化
    3.3 改进算法实现
    3.4 实验与结果分析
        3.4.1 实验数据与评价标准
        3.4.2 实验结果与分析
    3.5 本章小结
第4章 基于主题模型和命名实体识别的自动摘要方法
    4.1 相关技术
        4.1.1 命名实体识别
        4.1.2 LDA主题模型
    4.2 基于字词的BiLSTM-CRF模型构建
    4.3 结合BiLSTM-CRF模型和LDA主题模型的自动摘要
        4.3.1 算法思想
        4.3.2 算法实现
    4.4 实验与结果分析
        4.4.1 实验数据与评价标准
        4.4.2 对比实验与结果分析
        4.4.3 生成摘要对比
    4.5 本章小结
总结与展望
参考文献

计算机论文范文二：面向弱可用数据的小微贷信用挖掘技术研究

本文采用“混合插补法”对存在弱可用现象的用户数据进行修复,即针对不同缺失率情况的数据采用不同的处理方法;由于用户数据的信息量较大,如果逐一对用户进行信用等级划分,不仅效率低,而且结果不客观。本文提出利用多任务学习思想对用户基本信用等级进行评估,此方法利用多个信用等级之间的共享结构关系,构造训练网络实现用户的信用评级;同时结合用户的信用初始等级,采用模糊Logistic回归方法预测用户的违约风险。

第一章 绪论
    1.1 研究的背景和意义
    1.2 国内外研究现状
        1.2.1 弱可用数据分析研究现状
        1.2.2 用户信用评估技术研究现状
    1.3 论文主要研究内容
        1.3.1 用户信用评估系统架构
    1.4 论文章节安排
第二章 相关背景知识介绍
    2.1 数据插补
    2.2 多任务学习
        2.2.1 多任务学习原理
        2.2.2 任务相关性
    2.3 模糊集基本理论
        2.3.1 标准模糊集运算
        2.3.2 扩张原理
    2.4 李克特量表
    2.5 Logistic回归模型
    2.6 本章小结
第三章 面向弱可用数据的多任务用户基本信用评级
    3.1 客户属性缺失数据处理
        3.1.1 缺失值常用处理方法
        3.1.2 混合插补法
    3.2 信用评级划分及其含义
    3.3 信用标签缺失情况下的用户信用评级
        3.3.1 信用分类模型整体框架图
        3.3.2 基于共享矩阵的多任务学习方法
        3.3.3 信用分类模型实现
        3.3.4 基本信用评级预测
    3.4 本章小结
第四章 基于模糊Logistic回归的贷款风险预测
    4.1 问题分析
    4.2 信用数据模糊化
        4.2.1 李克特量表表示
        4.2.2 三角模糊数表示
    4.3 提出模型
        4.3.1 构建模糊Logistic回归模型
        4.3.2 模糊最小二乘法估计模型权重
    4.4 本章小结
第五章 小微贷原型系统实现和性能分析
    5.1 实验数据介绍
    5.2 系统综述
        5.2.1 系统及实验环境配置
        5.2.2 系统结构框架
        5.2.3 模块设计
    5.3 系统可视化
        5.3.1 信用数据收集可视化
        5.3.2 模型管理可视化
    5.4 实验分析
        5.4.1 多任务用户基本信用评级实验
        5.4.2 贷款风险预测实验
    5.5 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 工作展望
参考文献

计算机论文范文三：基于机器学习的信贷风控研究

传统的信贷风控大多是模型驱动的策略,已经不能够满足违约风险预测的需求,导致各类违约事件频发,给机构带来较大的损失。因此,需要引入机器学习算法,来完善信贷风控机制,促进信贷业务市场健康、可持续发展。本文采用机器学习算法针对信贷风控场景中的两个问题进行解决。第一,在新的信贷产品投放初期,由于没有业务积累,仅有少量标记数据和大量无标记数据,因此不能建立数据驱动的有监督信贷风控模型;第二,在信贷产品投放一段时间后,积累到了一定量的数据,大多数机构会采用逻辑回归（Logistics Regression,LR）来实现信贷风控建模,LR模型简单且易于实现、训练速度快,但是这种模型属于线性模型,学习能力有限,不能学习到特征间的非线性关系,需要信贷业务经验丰富的风控工程师做人工特征组合,因此需要耗费大量的人工成本。

CBOW模型

第一章 绪论
    1.1 课题背景
        1.1.1 课题研究背景
        1.1.2 课题研究意义
    1.2 国内外研