| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外文献综述 | 第10-12页 |
| 1.2.1 统计特征提取方法 | 第10页 |
| 1.2.2 结合外部语料的方法 | 第10-11页 |
| 1.2.3 基于主题模型的方法 | 第11页 |
| 1.2.4 基于语言网络的方法 | 第11页 |
| 1.2.5 基于机器学习的方法 | 第11-12页 |
| 1.2.6 基于深度学习的方法 | 第12页 |
| 1.3 研究思路 | 第12-13页 |
| 1.4 研究方法 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 数据的预处理 | 第15-21页 |
| 2.1 数据的获取 | 第15-17页 |
| 2.2 数据的清理 | 第17-18页 |
| 2.3 描述性统计分析 | 第18-21页 |
| 第三章 理论基础 | 第21-36页 |
| 3.1 BERT模型 | 第21-24页 |
| 3.2 MMR方法 | 第24-25页 |
| 3.3 循环神经网络RNN | 第25-32页 |
| 3.4 Attention机制 | 第32-36页 |
| 第四章 模型的构建与分析 | 第36-48页 |
| 4.1 基于BE-MMR的抽取式自动摘要模型 | 第36-40页 |
| 4.1.1 BERT句向量表示 | 第36-37页 |
| 4.1.2 针对摘要修改的MMR模型 | 第37页 |
| 4.1.3 句子的重要性得分 | 第37页 |
| 4.1.4 句子的相似度得分 | 第37-38页 |
| 4.1.5 模型的实验与对比 | 第38-40页 |
| 4.2 基于Seq2Seq- Attention的生成式自动摘要模型 | 第40-48页 |
| 4.2.1 模型的基本结构 | 第41-43页 |
| 4.2.2 先验知识 | 第43-44页 |
| 4.2.3 集束搜索 | 第44页 |
| 4.2.4 掩模处理 | 第44-45页 |
| 4.2.5 模型的测评标准与实验分析 | 第45-48页 |
| 第五章 模型的应用 | 第48-52页 |
| 5.1 在体育新闻领域的应用 | 第48-49页 |
| 5.2 在经济新闻领域的应用 | 第49-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 附录 | 第54-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |