| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究意义及主要工作 | 第16-17页 |
| 1.3.1 研究意义 | 第16页 |
| 1.3.2 主要工作 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 文献检索相关算法与技术 | 第19-33页 |
| 2.1 分词技术 | 第19-20页 |
| 2.2 分词方法比较 | 第20-21页 |
| 2.3 候选词提取算法 | 第21-25页 |
| 2.3.1 TF-IDF方法 | 第21-22页 |
| 2.3.2 TF_IWF算法 | 第22页 |
| 2.3.3 KEA算法 | 第22-23页 |
| 2.3.4 语义提取 | 第23-25页 |
| 2.4 机器学习算法 | 第25-26页 |
| 2.5 机器学习常用算法 | 第26-32页 |
| 2.5.1 线性回归算法 | 第26-28页 |
| 2.5.2 逻辑回归算法 | 第28-29页 |
| 2.5.3 决策树 | 第29-30页 |
| 2.5.4 朴素贝叶斯方法 | 第30-31页 |
| 2.5.5 KNN(K-最近邻算法) | 第31-32页 |
| 2.5.6 K均值算法 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 TLCR算法 | 第33-45页 |
| 3.1 基于语义的关键词提取算法 | 第33-37页 |
| 3.1.1 词义分析 | 第34-35页 |
| 3.1.2 消除歧义与候选词合并 | 第35-36页 |
| 3.1.3 特征选择 | 第36页 |
| 3.1.4 关键词的提取 | 第36-37页 |
| 3.2 TLCR算法实现 | 第37-42页 |
| 3.2.1 候选关键词合并算法选择 | 第37-39页 |
| 3.2.2 TF_IWF的引入 | 第39-40页 |
| 3.2.3 TextRank替换FirstOccurence | 第40-42页 |
| 3.3 相关度排序 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于语义的文献检索排序系统实现 | 第45-53页 |
| 4.1 语义信息检索的意义 | 第45-46页 |
| 4.2 系统概述 | 第46-50页 |
| 4.2.1 需求分析 | 第46-47页 |
| 4.2.2 系统处理流程及开发平台 | 第47-50页 |
| 4.3 性能与功能测试 | 第50-52页 |
| 4.4 查询结果分析 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 论文总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |