| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·自动文摘的研究现状 | 第9-11页 |
| ·国外自动文摘的研究 | 第9-10页 |
| ·国内自动文摘的研究 | 第10-11页 |
| ·本文研究的主要内容 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 2 相关理论及关键技术 | 第13-25页 |
| ·文摘的概念 | 第13页 |
| ·文摘的定义 | 第13页 |
| ·文摘的分类 | 第13页 |
| ·自动文摘的研究方法 | 第13-17页 |
| ·基于统计的文摘方法 | 第13-15页 |
| ·基于自然语言理解的文摘方法 | 第15页 |
| ·基于信息抽取的文摘方法 | 第15-16页 |
| ·基于文本篇章结构的文摘方法 | 第16-17页 |
| ·基于向量空间模型的相似度计算 | 第17-21页 |
| ·中文分词技术 | 第17-18页 |
| ·向量空间模型 | 第18-19页 |
| ·特征项的选择 | 第19-20页 |
| ·特征项权重的计算 | 第20页 |
| ·相似度的计算 | 第20-21页 |
| ·聚类算法 | 第21-24页 |
| ·层次聚类算法 | 第21-22页 |
| ·分割聚类算法 | 第22-23页 |
| ·基于密度的聚类算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 基于 LexRank 算法的句子抽取 | 第25-31页 |
| ·概述 | 第25页 |
| ·基于图的排序算法 | 第25-26页 |
| ·基于 LexRank 的句子抽取 | 第26-29页 |
| ·图的类型 | 第27页 |
| ·粒度的选择 | 第27-28页 |
| ·图形结构的表示 | 第28页 |
| ·句子重要度的计算 | 第28-29页 |
| ·句子的抽取 | 第29页 |
| ·算法分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 一种基于子主题划分和句子特征的自动文摘方法 | 第31-42页 |
| ·方法的提出 | 第31-32页 |
| ·基于子主题划分和句子特征的自动文摘方法的思想 | 第32-34页 |
| ·文本预处理 | 第34页 |
| ·子主题划分 | 第34-36页 |
| ·相似矩阵的构造 | 第34页 |
| ·最大树的生成 | 第34-35页 |
| ·最大生成树的划分 | 第35-36页 |
| ·句子权重的计算 | 第36-39页 |
| ·基于 LexRank 算法的句子权重计算 | 第36-37页 |
| ·基于句子特征和 LexRank 算法的句子权重计算 | 第37-39页 |
| ·冗余处理和摘要生成 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 实验及结果分析 | 第42-53页 |
| ·实验介绍 | 第42-44页 |
| ·实验语料 | 第42页 |
| ·评价方法 | 第42-44页 |
| ·实验结果 | 第44-52页 |
| ·三种自动文摘方法的准确率、召回率与 F-measure 比较 | 第44-48页 |
| ·三种自动文摘方法的 ROUGE 值比较 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第59页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第59页 |