文本相似度计算理论与应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本文的研究背景和意义 | 第9-10页 |
| ·文本相似度计算国内外研究现状 | 第10-13页 |
| ·国内外的研究现状 | 第10-12页 |
| ·存在的主要问题 | 第12-13页 |
| ·本文主要内容及章节安排 | 第13-15页 |
| ·本文的主要内容 | 第13页 |
| ·本文的章节安排 | 第13-15页 |
| 第二章 文本相似度计算概述 | 第15-27页 |
| ·文本相似度的基本概念 | 第15-17页 |
| ·相似度的含义 | 第15-16页 |
| ·本文对文本相似度的定义 | 第16页 |
| ·相似度算法的性质 | 第16页 |
| ·文本相似度计算的作用 | 第16-17页 |
| ·基于知网的文本相似度计算 | 第17-20页 |
| ·知网知识简介 | 第17-18页 |
| ·知网的相似度计算 | 第18-19页 |
| ·知网的语义相似度计算 | 第19-20页 |
| ·本文的基本思路 | 第20页 |
| ·文本相似度计算的实现过程 | 第20-23页 |
| ·文本预处理 | 第20-21页 |
| ·文本特征表示 | 第21页 |
| ·文本特征选择 | 第21-22页 |
| ·相似度计算 | 第22-23页 |
| ·文本相似度计算的性能评估 | 第23页 |
| ·中文自动分词 | 第23-26页 |
| ·中文分词简介 | 第23页 |
| ·中文分词的难点 | 第23-24页 |
| ·常用的中文分词方法 | 第24-25页 |
| ·本文实验的分词系统 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 文本相似度计算方法 | 第27-44页 |
| ·基于VSM的相似度计算方法 | 第27-31页 |
| ·向量空间模型VSM | 第27-28页 |
| ·权重的计算方法 | 第28-30页 |
| ·基于VSM的相似度计算 | 第30-31页 |
| ·存在问题 | 第31页 |
| ·基于语义理解的相似度计算 | 第31-34页 |
| ·基本思想 | 第31-32页 |
| ·语义模型 | 第32-34页 |
| ·存在问题 | 第34页 |
| ·基于隐性语义标引LSI的相似度计算 | 第34-35页 |
| ·基本思想 | 第34页 |
| ·一般步骤 | 第34-35页 |
| ·存在问题 | 第35页 |
| ·基于字符串的相似度计算方法 | 第35-36页 |
| ·基本思想 | 第35页 |
| ·存在问题 | 第35-36页 |
| ·本文采用的相似度计算方法 | 第36-39页 |
| ·语义加强的权重计算方法 | 第36-37页 |
| ·分阶段融合的语义相似度计算方法 | 第37-39页 |
| ·思考与总结 | 第39页 |
| ·文本相似度计算系统的组成与实现 | 第39-40页 |
| ·系统的组成模块 | 第39-40页 |
| ·系统的工作流程 | 第40页 |
| ·实验与结果分析 | 第40-43页 |
| ·实验数据集 | 第40-41页 |
| ·实验结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 文本相似度在文本聚类中的应用 | 第44-52页 |
| ·文本聚类简介 | 第44-47页 |
| ·文本聚类的定义与应用 | 第44-45页 |
| ·文本聚类的一般过程 | 第45-47页 |
| ·聚类算法 | 第47-48页 |
| ·凝聚式层次聚类HAC | 第47-48页 |
| ·K-平均值算法(K-means) | 第48页 |
| ·神经网络方法 | 第48页 |
| ·文本聚类中的相似度计算 | 第48-49页 |
| ·实验与结果分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 总结与展望 | 第52-54页 |
| 本文的工作总结 | 第52-53页 |
| 下一步的工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
