| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 传统文本摘要研究 | 第9-10页 |
| 1.2.2 推特文本摘要研究 | 第10页 |
| 1.2.3 结合社交网络结构的研究 | 第10-11页 |
| 1.3 本文的组织结构 | 第11-12页 |
| 第2章 问题陈述与数据分析 | 第12-16页 |
| 2.1 问题陈述 | 第12-13页 |
| 2.2 数据描述 | 第13-14页 |
| 2.3 社会学理论验证分析 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 第3章 基于稀疏重构和社交网络的推特摘要方法 | 第16-22页 |
| 3.1 稀疏重构的基本框架 | 第16-18页 |
| 3.2 建模推特层次的网络结构 | 第18-19页 |
| 3.3 建模冗余信息 | 第19-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第4章 基于Nesterov加速梯度下降的优化算法 | 第22-28页 |
| 4.1 Nesterov加速梯度下降算法的演化过程 | 第22-24页 |
| 4.1.1 随机梯度下降 | 第22-23页 |
| 4.1.2 动量算法 | 第23-24页 |
| 4.1.3 Nesterov加速梯度下降算法 | 第24页 |
| 4.2 基于Nesterov加速梯度下降的推特摘要优化算法 | 第24-27页 |
| 4.3 本章小结 | 第27-28页 |
| 第5章 实验结果与分析 | 第28-35页 |
| 5.1 专家摘要制作过程 | 第28-29页 |
| 5.2 评价方法 | 第29-30页 |
| 5.3 对比实验设计与实验结果分析 | 第30-32页 |
| 5.4 不同正则项对实验性能的影响 | 第32-33页 |
| 5.5 参数设置与调节 | 第33页 |
| 5.6 本章小结 | 第33-35页 |
| 第6章 总结与展望 | 第35-37页 |
| 6.1 工作总结 | 第35-36页 |
| 6.2 工作展望 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 发表论文和参加科研情况说明 | 第41-42页 |
| 致谢 | 第42页 |
