面向主题的关键词抽取方法研究
目录 | 第3-6页 |
插图 | 第6-8页 |
表格 | 第8-9页 |
摘要 | 第9-10页 |
Abstract | 第10页 |
第一章 绪论 | 第11-24页 |
§1.1 研究背景 | 第11-12页 |
§1.2 关键词抽取的应用 | 第12-13页 |
§1.3 关键词抽取技术综述 | 第13-14页 |
§1.4 相关研究进展 | 第14-20页 |
1.4.1 关键词抽取 | 第14-18页 |
1.4.2 社会化标签推荐 | 第18-19页 |
1.4.3 评价方法 | 第19-20页 |
§1.5 关键词抽取面临的挑战 | 第20-21页 |
1.5.1 关键词整体质量的优化 | 第20-21页 |
1.5.2 新兴媒体上的新挑战 | 第21页 |
§1.6 本文的工作与贡献 | 第21-24页 |
第二章 基于整数线性规划的关键词抽取方法 | 第24-38页 |
§2.1 引言 | 第24-25页 |
§2.2 整数线性规划理论 | 第25-26页 |
§2.3 基于整数线性规划的关键词抽取 | 第26-30页 |
2.3.1 目标函数 | 第26-27页 |
2.3.2 约束条件 | 第27-30页 |
2.3.3 整数线性规划问题 | 第30页 |
§2.4 实验结果与分析 | 第30-36页 |
2.4.1 实验数据集及参数设定 | 第30-31页 |
2.4.2 和其他方法的比较 | 第31-32页 |
2.4.3 目标函数和约束条件的贡献 | 第32-33页 |
2.4.4 参数的影响 | 第33-35页 |
2.4.5 实例分析 | 第35-36页 |
§2.5 本章小结 | 第36-38页 |
第三章 基于排序学习的摘要关键词抽取方法 | 第38-64页 |
§3.1 引言 | 第39-41页 |
§3.2 排序学习理论 | 第41-44页 |
3.2.1 排序学习的基本概念 | 第41-42页 |
3.2.2 排序学习的算法介绍 | 第42-44页 |
3.2.3 排序学习的应用 | 第44页 |
§3.3 基于排序学习的新闻摘要关键词抽取 | 第44-53页 |
3.3.1 排序学习的动机 | 第44页 |
3.3.2 模型的总体框架 | 第44-46页 |
3.3.3 候选关键词的选择 | 第46-48页 |
3.3.4 关键词序列的选择 | 第48-53页 |
§3.4 实验结果与分析 | 第53-62页 |
3.4.1 实验数据和评价指标 | 第53-54页 |
3.4.2 候选关键词选择的结果 | 第54页 |
3.4.3 关键词序列选择的结果 | 第54-55页 |
3.4.4 和其他方法的比较 | 第55-56页 |
3.4.5 特征的贡献 | 第56-60页 |
3.4.6 新闻摘要关键词的分析 | 第60-62页 |
§3.5 本章小结 | 第62-64页 |
第四章 基于话题翻译模型的微博关键词抽取 | 第64-90页 |
§4.1 引言 | 第64-69页 |
4.1.1 微博关键词的简介 | 第65页 |
4.1.2 微博关键词抽取的挑战 | 第65-67页 |
4.1.3 话题翻译模型的动机 | 第67-69页 |
4.1.4 任务与符号的定义 | 第69页 |
§4.2 基于翻译模型的微博关键词抽取 | 第69-72页 |
4.2.1 模型的框架 | 第70页 |
4.2.2 模型的学习 | 第70-72页 |
4.2.3 微博关键词的抽取 | 第72页 |
§4.3 基于话题模型的微博关键词抽取 | 第72-75页 |
4.3.1 模型的框架 | 第72-73页 |
4.3.2 模型的学习 | 第73-74页 |
4.3.3 微博关键词的抽取 | 第74-75页 |
§4.4 基于话题翻译模型的微博关键词抽取 | 第75-82页 |
4.4.1 模型的框架 | 第75-76页 |
4.4.2 话题翻译模型1:词语级别 | 第76-78页 |
4.4.3 话题翻译模型2:文档级别 | 第78-81页 |
4.4.4 数据稀疏的问题 | 第81页 |
4.4.5 微博关键词的抽取 | 第81-82页 |
§4.5 实验结果和分析 | 第82-88页 |
4.5.1 实验数据的介绍与分析 | 第82页 |
4.5.2 微博关键词抽取的结果 | 第82-85页 |
4.5.3 参数的影响 | 第85-87页 |
4.5.4 实例分析 | 第87-88页 |
§4.6 本章小结 | 第88-90页 |
第五章 总结与展望 | 第90-93页 |
致谢 | 第93-94页 |
参考文献 | 第94-104页 |
攻读博士期间主要工作 | 第104-105页 |