基于混合神经网络的单文档自动文摘方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文难点和主要研究内容 | 第12-13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第二章 自动文摘相关理论基础 | 第15-30页 |
| 2.1 自动文摘 | 第15-16页 |
| 2.1.1 自动文摘定义 | 第15页 |
| 2.1.2 自动文摘基本步骤 | 第15页 |
| 2.1.3 自动文摘分类 | 第15-16页 |
| 2.2 文本预处理 | 第16-19页 |
| 2.2.1 数据收集 | 第17页 |
| 2.2.2 中文分词 | 第17-18页 |
| 2.2.3 去停用词 | 第18-19页 |
| 2.3 文本表示 | 第19-20页 |
| 2.3.1 向量空间模型 | 第19页 |
| 2.3.2 概率模型 | 第19-20页 |
| 2.3.3 布尔模型 | 第20页 |
| 2.3.4 图空间模型 | 第20页 |
| 2.4 文本特征选择 | 第20-22页 |
| 2.4.1 文本频度法 | 第21页 |
| 2.4.2 信息增益法 | 第21页 |
| 2.4.3 卡方检验法 | 第21-22页 |
| 2.5 句子相似度计算 | 第22-24页 |
| 2.5.1 编辑距离 | 第22-23页 |
| 2.5.2 信息量 | 第23-24页 |
| 2.5.3 word2vec | 第24页 |
| 2.6 句子权重计算 | 第24-26页 |
| 2.6.1 基于位置的句子权重计算 | 第24-25页 |
| 2.6.2 基于内容的句子权重计算 | 第25页 |
| 2.6.3 基于线索的句子权重计算 | 第25-26页 |
| 2.6.4 基于长度的句子权重计算 | 第26页 |
| 2.7 传统的自动文摘模型 | 第26-29页 |
| 2.7.1 决策树模型 | 第26-27页 |
| 2.7.2 逻辑回归模型 | 第27-28页 |
| 2.7.3 贝叶斯模型 | 第28-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第三章 基于混合神经网络的单文档自动文摘模型 | 第30-40页 |
| 3.1 卷积神经网络模型 | 第30-31页 |
| 3.2 基于LSTM改进的循环神经网络模型 | 第31-37页 |
| 3.2.1 循环神经网络模型 | 第31-34页 |
| 3.2.2 基于改进的循环神经网络模型 | 第34-37页 |
| 3.3 混合神经网络模型 | 第37-39页 |
| 3.3.1 CNN句子向量表示模型 | 第37-38页 |
| 3.3.2 改进的LSTM句子抽取模型 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 自动文摘模型实验设计与结果分析 | 第40-50页 |
| 4.1 实验数据介绍 | 第40-42页 |
| 4.2 实验工具介绍 | 第42页 |
| 4.3 实验评测指标 | 第42-43页 |
| 4.4 实验与分析 | 第43-49页 |
| 4.4.1 采用LDA主题模型的文摘方法 | 第43-44页 |
| 4.4.2 采用LSI模型的文摘方法 | 第44-45页 |
| 4.4.3 传统机器学习自动文摘方法 | 第45-46页 |
| 4.4.4 深度学习模型自动文摘方法 | 第46-48页 |
| 4.4.5 混合神经网络自动文摘方法 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 系统设计与实现 | 第50-55页 |
| 5.1 系统的总体设计思想 | 第50页 |
| 5.2 系统模块功能 | 第50-51页 |
| 5.3 系统运行界面 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间的研究成果 | 第63页 |
