| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 自动摘要技术的研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.3.1 本文的主要工作 | 第13页 |
| 1.3.2 本文的组织 | 第13-14页 |
| 第2章 自动文摘技术 | 第14-25页 |
| 2.1 有关概念 | 第14-15页 |
| 2.1.1 文摘的定义 | 第14页 |
| 2.1.2 文摘分类 | 第14-15页 |
| 2.2 自动文摘方法 | 第15-21页 |
| 2.2.1 基于统计的自动文摘 | 第16-18页 |
| 2.2.2 基于理解的自动文摘 | 第18-19页 |
| 2.2.3 基于信息抽取的自动文摘 | 第19页 |
| 2.2.4 基于结构的自动文摘 | 第19-21页 |
| 2.3 自动文摘评价方法 | 第21-23页 |
| 2.3.1 内部评价方法 | 第22-23页 |
| 2.3.2 外部评价方法 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 一种新的基于LDA的相似度计算方法 | 第25-37页 |
| 3.1 相似度的概念 | 第25页 |
| 3.2 相似度的计算方法 | 第25-30页 |
| 3.2.1 基于字符串的方法 | 第26页 |
| 3.2.2 基于语义理解的方法 | 第26页 |
| 3.2.3 基于向量空间模型(Vector Space Model)的TF-IDF方法 | 第26-28页 |
| 3.2.4 基于潜在语义标引的方法 | 第28-30页 |
| 3.3 一种新的基于LDA的相似度计算方法 | 第30-33页 |
| 3.3.1 问题的提出 | 第30-31页 |
| 3.3.2 LDA及其生产模型 | 第31-33页 |
| 3.4 一种新的句子相似度计算方法 | 第33-35页 |
| 3.5 几种相似度方法的综合比较 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 英文自动文摘的实现 | 第37-41页 |
| 4.1 一种新的英文自动文摘算法 | 第37-40页 |
| 4.2 算法流程图 | 第40-41页 |
| 第5章 实验 | 第41-44页 |
| 5.1 数据 | 第41页 |
| 5.2 数据集处理 | 第41页 |
| 5.3 结果和分析 | 第41-44页 |
| 第6章 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |