全文总字数：4686字
1. 研究目的与意义、国内外研究现状（文献综述）
（1）意义：
对比各种机器学习模型的分类性能，探究传统机器学习模型和深度学习模型的分类效果优劣，解决如何高效的选择适用所开展分类任务的机器学习模型问题。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容和问题
（1）目标：
探究传统机器学习模型和深度学习模型的分类性能差异。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究的方法与方案
（1）研究方法：
文献调查法、比较研究法、定量分析法。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 研究创新点
本文通过在《PLOS ONE》31888篇学术文献上开展大规模机器学习模型的篇章结构划分实验，分别探究了17种机器学习模型和深度学习模型分类性能的高低，与现有研究相比，具有数据量大、分类模型新颖、模型数量多等创新之处。且以往的自动分类研究往往是基于学术文献标题或者学术文献摘要进行的，而本研究是基于学术全文本，即全部全文信息开展，可以包含更多的内容信息与特征。
5. 研究计划与进展
2019.01-2019.02语料预处理、篇章结构标注
2019.02-2019.03 调试各类机器学习与深度学习模型
2019.03-2019.04 开展大规模分类实验、实验结果评价
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
