基于直播文本的足球比赛新闻自动生成方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要内容与创新点 | 第12-13页 |
| 1.4 论文组织 | 第13-14页 |
| 第2章 直播文本预处理与文本特征抽取 | 第14-23页 |
| 2.1 数据描述 | 第14-16页 |
| 2.2 数据预处理 | 第16-19页 |
| 2.3 文本特征抽取 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于分类模型的句子抽取方法 | 第23-32页 |
| 3.1 基于逻辑回归的抽取方法 | 第23-25页 |
| 3.1.1 逻辑回归优化 | 第23-25页 |
| 3.1.2 文本分类过程 | 第25页 |
| 3.2 基于极限梯度提升树的抽取方法 | 第25-27页 |
| 3.2.1 方法背景与优势 | 第25-26页 |
| 3.2.2 文本分类过程 | 第26-27页 |
| 3.3 基于卷积神经网络的抽取方法 | 第27-31页 |
| 3.3.1 文本分类框架 | 第28-29页 |
| 3.3.2 卷积神经网络数据输入 | 第29页 |
| 3.3.3 卷积神经网络结构 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 复述句生成方法 | 第32-40页 |
| 4.1 基于双向长短时记忆网络的复述句生成 | 第32-36页 |
| 4.1.1 复述生成框架说明 | 第32-33页 |
| 4.1.2 长短时记忆网络 | 第33-35页 |
| 4.1.3 复述句生成过程 | 第35-36页 |
| 4.2 基于注意力模型的复述句生成 | 第36-39页 |
| 4.2.1 注意力模型 | 第36-38页 |
| 4.2.2 复述句生成过程 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 实验结果与分析 | 第40-50页 |
| 5.1 实验背景 | 第40-43页 |
| 5.2 实验结果分析 | 第43-48页 |
| 5.2.1 直播文本抽取结果 | 第44-45页 |
| 5.2.2 足球比赛新闻生成结果 | 第45-48页 |
| 5.3 足球新闻生成结果 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 1 攻读学位期间的研究成果 | 第57-58页 |
| 附录 2 攻读学位期间参加的科研项目 | 第58-59页 |
| 详细摘要 | 第59-63页 |
