融合深度学习和句义结构模型的微博摘要方法研究
| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 研究历史和现状 | 第16-24页 |
| 1.2.1 研究历史 | 第16-20页 |
| 1.2.2 研究现状 | 第20-23页 |
| 1.2.3 总结分析 | 第23-24页 |
| 1.3 研究内容和结构安排 | 第24-27页 |
| 1.3.1 研究内容 | 第24-25页 |
| 1.3.2 结构安排 | 第25-27页 |
| 第2章 涉及的理论与技术基础 | 第27-40页 |
| 2.1 引言 | 第27页 |
| 2.2 句义结构模型 | 第27-29页 |
| 2.2.1 模型概念 | 第27-28页 |
| 2.2.2 句义结构自动构建 | 第28-29页 |
| 2.3 句子相似度计算方法 | 第29-33页 |
| 2.3.1 基于词统计特征的方法 | 第30-31页 |
| 2.3.2 基于词汇语义特征的方法 | 第31页 |
| 2.3.3 基于句法分析特征的方法 | 第31-33页 |
| 2.4 分布式向量表示 | 第33-39页 |
| 2.4.1 Word2vec模型 | 第33-36页 |
| 2.4.2 句子向量表示 | 第36-39页 |
| 2.5 小结 | 第39-40页 |
| 第3章 PV-CSM句子相似度计算方法 | 第40-55页 |
| 3.1 引言 | 第40页 |
| 3.2 相关工作 | 第40-43页 |
| 3.2.1 主要技术和方法 | 第40-42页 |
| 3.2.2 问题总结与分析 | 第42-43页 |
| 3.3 算法设计 | 第43-48页 |
| 3.3.1 算法框架 | 第43-44页 |
| 3.3.2 句义结构分析 | 第44-45页 |
| 3.3.3 PV分析 | 第45-47页 |
| 3.3.4 相似度加权融合 | 第47-48页 |
| 3.4 实验分析 | 第48-54页 |
| 3.4.1 实验目的和数据源 | 第48-49页 |
| 3.4.2 实验环境和条件 | 第49页 |
| 3.4.3 评价方法 | 第49-50页 |
| 3.4.4 实验过程和参数 | 第50页 |
| 3.4.5 实验结果和结论 | 第50-54页 |
| 3.5 小结 | 第54-55页 |
| 第4章 PV-CSM微博摘要方法 | 第55-80页 |
| 4.1 引言 | 第55-56页 |
| 4.2 相关工作 | 第56-58页 |
| 4.2.1 主要技术和方法 | 第56-58页 |
| 4.2.2 问题总结与分析 | 第58页 |
| 4.3 算法设计 | 第58-64页 |
| 4.3.1 算法框架 | 第58-59页 |
| 4.3.2 句子相似度计算 | 第59页 |
| 4.3.3 子主题划分 | 第59-60页 |
| 4.3.4 句子权重计算 | 第60-62页 |
| 4.3.5 句子抽取 | 第62-64页 |
| 4.4 实验系统设计与实现 | 第64-71页 |
| 4.4.1 系统总体设计 | 第64-68页 |
| 4.4.2 关键功能模块实现 | 第68-71页 |
| 4.5 实验分析 | 第71-79页 |
| 4.5.1 实验目的和数据源 | 第71页 |
| 4.5.2 实验环境和条件 | 第71页 |
| 4.5.3 评价方法 | 第71-72页 |
| 4.5.4 实验过程和参数 | 第72-73页 |
| 4.5.5 实验结果和结论 | 第73-79页 |
| 4.6 小结 | 第79-80页 |
| 第5章 结束语 | 第80-83页 |
| 5.1 全文总结 | 第80-81页 |
| 5.2 工作展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 学习期间发表的学术论文与研究成果清单 | 第89-90页 |
| 致谢 | 第90页 |
