摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-13页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 本文研究内容以及创新 | 第11-12页 |
1.4 本文结构 | 第12-13页 |
第2章 相关技术与资源建设 | 第13-18页 |
2.1 文本预处理 | 第13-15页 |
2.1.1 中文分词技术 | 第13-14页 |
2.1.2 停用词过滤 | 第14-15页 |
2.2 汉语词法分析系统ICTCLAS | 第15页 |
2.3 语料资源建设 | 第15-18页 |
第3章 关键词抽取 | 第18-23页 |
3.1 关键词定义 | 第18页 |
3.2 关键词提取 | 第18-19页 |
3.3 关键词自动提取的一般过程 | 第19页 |
3.4 常用的关键词自动提取方法 | 第19-20页 |
3.4.1 基于统计的方法 | 第19页 |
3.4.2 基于机器学习的算法 | 第19-20页 |
3.4.3 基于语言分析的方法 | 第20页 |
3.4.4 基于结构的方法 | 第20页 |
3.4.5 基于复杂网络的方法 | 第20页 |
3.5 关键词自动提取算法性能的评价标准 | 第20-23页 |
3.5.1 信息抽取的评测会议 | 第20-21页 |
3.5.2 信息抽取系统的评价方法 | 第21-22页 |
3.5.3 关键词提取算法的评价方法 | 第22-23页 |
第4章 传统TFIDF及其相关改进算法 | 第23-29页 |
4.1 传统TFIDF算法 | 第23-24页 |
4.1.1 词频TF | 第23页 |
4.1.2 逆向文件频率IDF | 第23页 |
4.1.3 TFIDF | 第23-24页 |
4.1.4 TFIDF的优点与不足 | 第24页 |
4.2 已知的TFIDF改进算法 | 第24-29页 |
4.2.1 CTD算法 | 第25页 |
4.2.2 TFIDF’算法 | 第25-26页 |
4.2.3 TFIDF-IG算法 | 第26-27页 |
4.2.5 TFIDF-DI算法 | 第27-29页 |
第5章 基于IGD与M_TF的TFIDF改进算法 | 第29-36页 |
5.1 调整因子IGD | 第29-32页 |
5.1.1 信息增益IG(Information Gain) | 第30-31页 |
5.1.2 离散度D(Dispersion) | 第31-32页 |
5.2 融合特征M_TF | 第32-36页 |
5.2.1 词频因子TF(Term Frequency) | 第32-33页 |
5.2.2 词性因子Pos(Part of Speech) | 第33-34页 |
5.2.3 词长因子TL(Term Length) | 第34页 |
5.2.4 词位置因子WL(Word Location) | 第34-35页 |
5.2.5 词跨度因子WS(Word Span) | 第35-36页 |
第6章 基于M_TF-IDF-IGD算法提取关键词 | 第36-39页 |
6.1 文本预处理阶段 | 第36页 |
6.1.1 分词处理 | 第36页 |
6.1.2 停用词过滤 | 第36页 |
6.2 关键词筛选阶段 | 第36-39页 |
6.2.1 计算权重 | 第36-37页 |
6.2.2 权重排序 | 第37-39页 |
第7章 实验与分析 | 第39-45页 |
7.1 验证IGD对类别信息的量化能力 | 第39-40页 |
7.2 验证M_TF对文本内部信息的表现力 | 第40-41页 |
7.3 测试基于M_TF-IDF-IGD的关键词提取算法的性能 | 第41-43页 |
7.4 实验总结 | 第43-45页 |
第8章 总结与展望 | 第45-46页 |
参考文献 | 第46-49页 |
致谢 | 第49-50页 |
附录1停用词词表 | 第50-55页 |