| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 问题的提出 | 第10-11页 |
| 1.2 关键词提取相关技术在民航安全信息中的应用前景 | 第11-12页 |
| 1.3 关键词提取技术在民航安全信息应用中的挑战 | 第12-13页 |
| 1.4 研究内容和章节安排 | 第13-14页 |
| 第二章 技术理论与研究现状概述 | 第14-25页 |
| 2.1 关键词提取技术概述 | 第14-18页 |
| 2.1.1 中文分词技术 | 第14-15页 |
| 2.1.2 常用的关键词提取方法与国内外研究现状 | 第15-17页 |
| 2.1.3 性能评价方法 | 第17-18页 |
| 2.2 文本分类技术概述 | 第18-22页 |
| 2.2.1 文本分类概念 | 第18页 |
| 2.2.2 分类过程 | 第18-19页 |
| 2.2.3 常用的分类算法与国内外研究现状 | 第19-21页 |
| 2.2.4 性能评价方法 | 第21-22页 |
| 2.3 文本相似度计算技术概述 | 第22-25页 |
| 2.3.1 文本相似度概念 | 第22-23页 |
| 2.3.2 常用的文本相似度算法与国内外研究现状 | 第23-24页 |
| 2.3.3 性能评价方法 | 第24-25页 |
| 第三章 基于朴素贝叶斯模型的关键词提取 | 第25-36页 |
| 3.1 文本预处理 | 第25-27页 |
| 3.1.1 文本预处理 | 第25-26页 |
| 3.1.2 辅助分词词典 | 第26-27页 |
| 3.2 关键词提取模型设计 | 第27-32页 |
| 3.2.1 算法框架 | 第27-28页 |
| 3.2.2 朴素贝叶斯模型 | 第28-29页 |
| 3.2.3 特征值选取 | 第29页 |
| 3.2.4 关键词提取模型的训练 | 第29-32页 |
| 3.3 实验验证与分析 | 第32-36页 |
| 3.3.1 实验介绍 | 第32页 |
| 3.3.2 实验设计与结果分析 | 第32-36页 |
| 第四章 基于关键词提取的民航安全信息分类研究 | 第36-51页 |
| 4.1 文本信息的特征选择 | 第36-42页 |
| 4.1.1 特征选取的常用方法 | 第37-39页 |
| 4.1.2 特征选择适用情况研究 | 第39-40页 |
| 4.1.3 改进的特征选择方法 | 第40-42页 |
| 4.2 特征项权重的计算 | 第42-44页 |
| 4.2.1 特征项权重算法研究 | 第42-43页 |
| 4.2.2 改进的特征项权值计算方法 | 第43-44页 |
| 4.3 分类算法的选择 | 第44-45页 |
| 4.4 实验验证与分析 | 第45-51页 |
| 4.4.1 实验介绍 | 第45页 |
| 4.4.2 实验设计与结果分析 | 第45-51页 |
| 第五章 基于关键词提取的民航安全信息主题相似度计算 | 第51-55页 |
| 5.1 传统的基于VSM模型的文本相似度计算 | 第51页 |
| 5.2 改进的基于VSM模型的主题相似度计算 | 第51-52页 |
| 5.3 实例验证 | 第52-54页 |
| 5.4 需要加以完善的工作 | 第54-55页 |
| 第六章 民航安全信息关键题提取实验平台设计 | 第55-65页 |
| 6.1 技术路线与系统框架 | 第55-57页 |
| 6.1.1 Python语言及平台 | 第55页 |
| 6.1.2 数据库系统的选择 | 第55-56页 |
| 6.1.3 系统的整体架构 | 第56-57页 |
| 6.2 系统的实现 | 第57-62页 |
| 6.2.1 文本预处理核心模块 | 第57-58页 |
| 6.2.2 关键词提取的核心模块 | 第58-59页 |
| 6.2.3 文本信息分类核心模块 | 第59-61页 |
| 6.2.4 主题相似度计算核心模块 | 第61-62页 |
| 6.3 算例演示 | 第62-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 本文总结与创新点 | 第65页 |
| 7.1.1 本文总结 | 第65页 |
| 7.1.2 创新点 | 第65页 |
| 7.2 未来工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |