| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 文本分割的研究意义 | 第11-12页 |
| 1.2 文本分割的研究现状 | 第12-14页 |
| 1.3 本文研究内容和组织结构 | 第14-16页 |
| 1.4 本文所用缩略词 | 第16-17页 |
| 第2章 基于改进的主题模型的语义相似性度量 | 第17-27页 |
| 2.1 相似性度量方法概述 | 第17-18页 |
| 2.2 改进的主题模型 | 第18-25页 |
| 2.2.1 LDA模型的优劣分析 | 第20-22页 |
| 2.2.2 获取主题数量的HDP模型 | 第22-23页 |
| 2.2.3 侧重于主题相关性的CTM模型 | 第23-25页 |
| 2.3 改进的主题模型在语义相似性度量方法中的使用 | 第25-27页 |
| 第3章 基于Graphcut算法的边界搜索策略 | 第27-38页 |
| 3.1 边界搜索策略概述 | 第27-28页 |
| 3.2 边界搜索问题的能量函数定义 | 第28-31页 |
| 3.3 Graphcut算法介绍 | 第31-33页 |
| 3.3.1 背景介绍 | 第31-32页 |
| 3.3.2 α-膨胀算法 | 第32页 |
| 3.3.3 使用α-膨胀算法必须满足的条件 | 第32页 |
| 3.3.4 α-膨胀算法过程 | 第32-33页 |
| 3.4 基于α-膨胀算法的边界搜索算法 | 第33-35页 |
| 3.5 新边界搜索算法的相关讨论 | 第35-38页 |
| 第4章 基于Topic Model和Graphcut的文本分割模型 | 第38-45页 |
| 4.1 模型框架说明 | 第38-39页 |
| 4.2 文本预处理模块实现 | 第39-40页 |
| 4.3 主题模型模块实现 | 第40-41页 |
| 4.4 图割算法模块实现 | 第41-42页 |
| 4.4.1 α-膨胀算法细节说明 | 第41-42页 |
| 4.4.2 误差函数和分割距离函数 | 第42页 |
| 4.5 基于模拟退火思想对膨胀算法框架的改进 | 第42-45页 |
| 第5章 实验对比与分析 | 第45-49页 |
| 5.1 评测方法 | 第45页 |
| 5.2 评测语料 | 第45-46页 |
| 5.3 实验介绍与结果分析 | 第46-49页 |
| 5.3.1 LDA、HDP&LDA、CTM对文本分割性能影响比较 | 第46-47页 |
| 5.3.2 UI方法、BU方法与本文方法的比较 | 第47-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 未来工作展望 | 第49页 |
| 6.2 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
