首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

文本分割关键技术及其在多文档摘要中的应用研究

摘要第1-7页
ABSTRACT第7-12页
第一章 绪论第12-30页
   ·文本分割概述第12-19页
     ·文本分割的任务第12页
     ·研究现状第12-19页
   ·多文档摘要概述第19-24页
     ·多文档摘要的任务第20页
     ·研究现状第20-24页
     ·DUC会议第24页
   ·本文研究背景与意义第24-26页
   ·本文研究工作第26-27页
   ·本文内容安排第27-30页
第二章 文本相似度计算方法第30-38页
   ·基于向量空间模型的方法第30-32页
     ·二值向量相似性度量第30-31页
     ·实值向量相似性度量第31-32页
   ·基于序列比对的方法第32页
   ·基于潜在语义分析的方法第32-34页
   ·基于文本属性的方法第34-36页
   ·小结第36-38页
第三章 基于区域词汇密度的文本分割模型第38-54页
   ·Dotplotting模型第38-39页
   ·Dotplotting模型的问题分析第39-42页
     ·密度函数的对称性第40-41页
     ·已有边界的制约第41-42页
   ·MMD文本分割模型第42-43页
     ·MMD_1模型第42页
     ·MMD_2模型第42-43页
     ·文本分割算法第43页
   ·语义段落长度因子第43-44页
   ·实验第44-51页
     ·评价方法介绍第44-46页
     ·评测语料介绍第46-48页
     ·实验设置第48页
     ·实验结果第48-51页
     ·错误分析第51页
   ·小结第51-54页
第四章 基于多元判别分析的文本分割模型第54-68页
   ·多元判别分析第54-56页
   ·MDA文本分割统计模型第56-57页
   ·评价函数第57-60页
     ·基本思想第57-58页
     ·语义段落内散布矩阵S_W第58页
     ·语义段落间散布矩阵S_B第58-59页
     ·长度因子S_L第59页
     ·MDA评价函数J第59-60页
   ·文本分割算法第60-61页
   ·实验第61-66页
     ·实验设置第61-62页
     ·评价方法第62页
     ·实验结果第62-65页
     ·相关研究对比第65-66页
   ·小结第66-68页
第五章 基于动态规划的文本分割模型第68-88页
   ·动态规划第68-73页
     ·动态规划的适用条件第69-70页
     ·动态规划求解过程第70-72页
     ·多维动态规划第72-73页
   ·MMS文本分割模型第73-79页
     ·问题定义第73页
     ·基本思想第73-75页
     ·评价函数第75-76页
     ·文本结构加权因子第76-77页
     ·文本分割算法第77-79页
   ·实验第79-86页
     ·实验设置第79-81页
     ·评价方法第81页
     ·实验结果第81-86页
   ·小结第86-88页
第六章 基于文本分割的多文档摘要技术研究第88-114页
   ·前言第88-89页
   ·多文档摘要系统的一般框架第89-92页
   ·问题相关的多文档摘要任务第92-97页
     ·介绍第92页
     ·关键问题和难点第92-93页
     ·Baseline系统第93-97页
   ·SEG_SUM系统第97-102页
     ·基本思想第97-98页
     ·总体结构第98-100页
     ·具体实现第100-101页
     ·工作流程第101-102页
   ·实验第102-113页
     ·评价指标介绍第102-105页
     ·评测语料介绍第105-106页
     ·实验设置第106页
     ·实验结果第106-112页
     ·错误分析第112-113页
   ·小结第113-114页
第七章 结论第114-118页
   ·本文所作的研究工作第114-115页
   ·未来的研究方向第115-116页
   ·关于信息智能处理技术发展趋势的思考第116-118页
参考文献第118-130页
致谢第130-132页
攻读博士期间发表的论文第132页

论文共132页,点击 下载论文
上一篇:面向QoS的实时流传输机制研究
下一篇:基于机器学习的路面对象识别关键技术研究