面向事件的多文档自动文摘研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的研究工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 2 研究背景 | 第16-34页 |
| ·相关概念 | 第17-18页 |
| ·句子相似度计算 | 第18-24页 |
| ·向量空间模型 | 第18-20页 |
| ·语义计算模型 | 第20-22页 |
| ·概率模型 | 第22-23页 |
| ·概念模型 | 第23-24页 |
| ·文摘句的选择 | 第24-25页 |
| ·文摘的可读性加工 | 第25-27页 |
| ·多文档自动文摘的评价 | 第27-29页 |
| ·HNC理论 | 第29-32页 |
| ·HNC理论基本思想 | 第29-31页 |
| ·HNC理论在语义分析中的作用 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 3 事件识别与聚类 | 第34-50页 |
| ·GATE介绍 | 第35-37页 |
| ·基于GATE的事件触发词识别 | 第37-43页 |
| ·时间触发词的识别 | 第38-40页 |
| ·地点触发词的识别 | 第40-42页 |
| ·类别触发词的识别 | 第42-43页 |
| ·基于HNC的句子相似度计算 | 第43-47页 |
| ·相似性与相关性 | 第43页 |
| ·词语相似度计算 | 第43-45页 |
| ·基于HNC的句子相似度计算 | 第45-47页 |
| ·事件聚类 | 第47-49页 |
| ·事件聚类 | 第47-48页 |
| ·侧面信息聚类 | 第48-49页 |
| ·本章小节 | 第49-50页 |
| 4 面向事件的多文档文摘原型系统设计 | 第50-60页 |
| ·文本预处理 | 第50-51页 |
| ·聚类 | 第51-54页 |
| ·事件识别与事件聚类 | 第51页 |
| ·句子相似度计算 | 第51-53页 |
| ·侧面信息聚类 | 第53-54页 |
| ·基于词对的文摘句选择 | 第54-58页 |
| ·词对 | 第55页 |
| ·词对生成算法 | 第55-56页 |
| ·词对的权重计算 | 第56页 |
| ·基于词对的文摘句选择 | 第56-58页 |
| ·文摘句排序和指代消解 | 第58-59页 |
| ·文摘句的排序 | 第58页 |
| ·指代消解 | 第58-59页 |
| ·本章小节 | 第59-60页 |
| 5 面向事件的多文档文摘原型系统的实现与评价 | 第60-67页 |
| ·系统实现 | 第60-62页 |
| ·系统输入 | 第60-61页 |
| ·系统输出 | 第61-62页 |
| ·多文档文摘的评测 | 第62-65页 |
| ·自动评测 | 第62-63页 |
| ·人工评测 | 第63-65页 |
| ·实验结果与分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·下一步工作 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 论文及科研情况 | 第72页 |
