摘要 | 第4-5页 |
abstract | 第5-6页 |
1 绪论 | 第10-18页 |
1.1 研究目的与意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 多文档摘要信息抽取研究现状 | 第11-14页 |
1.2.2 多文档摘要信息排序研究现状 | 第14-15页 |
1.3 本论文的主要工作和创新点 | 第15-16页 |
1.4 论文的结构安排 | 第16-18页 |
2 多文档摘要相关技术概述 | 第18-28页 |
2.1 摘要生成方法概述 | 第18-21页 |
2.1.1 抽取式摘要 | 第18-20页 |
2.1.2 理解式摘要 | 第20-21页 |
2.2 句子排序方法概述 | 第21-23页 |
2.2.1 基于时间信息排序 | 第21-22页 |
2.2.2 概率排序 | 第22-23页 |
2.2.3 多数法排序 | 第23页 |
2.3 大数据解决方案Hadoop平台概述 | 第23-27页 |
2.3.1 Hadoop生态系统 | 第23-25页 |
2.3.2 Hadoop文件系统HDFS | 第25-26页 |
2.3.3 Hadoop并行计算框架MapReduce | 第26-27页 |
2.4 本章小结 | 第27-28页 |
3 基于MapReduce的摘要抽取研究 | 第28-40页 |
3.1 多文档摘要的相关问题描述 | 第28-29页 |
3.2 基于MapReduce的句子特征建模 | 第29-34页 |
3.2.1 传统TFIDF算法原理与基本思路 | 第29-30页 |
3.2.2 基于MapReduce的TFIDF算法改进 | 第30-34页 |
3.3 基于MapReduce的图排序句子抽取 | 第34-38页 |
3.3.1 图排序起源PageRank算法原理 | 第34页 |
3.3.2 面向信息丰富度的图排序算法 | 第34-36页 |
3.3.3 基于MapReduce的图排序算法改进 | 第36-38页 |
3.4 面向信息新颖度的冗余去除 | 第38-39页 |
3.5 本章小结 | 第39-40页 |
4 基于句间邻近度算法的句子排序研究 | 第40-48页 |
4.1 句子排序相关问题描述 | 第40页 |
4.2 句间邻近度算法排序流程 | 第40-41页 |
4.3 基于条件熵的邻近度衡量 | 第41-43页 |
4.3.1 条件熵邻近度的原理与基本思路 | 第41-42页 |
4.3.2 条件熵邻近度算法 | 第42-43页 |
4.4 基于上下文的邻近度衡量 | 第43-44页 |
4.4.1 上下文邻近度的原理与基本思路 | 第43页 |
4.4.2 上下文邻近度算法 | 第43-44页 |
4.5 基于最大权值删减的句子排序 | 第44-47页 |
4.5.1 最大权值删减排序的基本思想 | 第44-46页 |
4.5.2 最大权值删减排序算法 | 第46-47页 |
4.6 本章小结 | 第47-48页 |
5 多文档摘要实验分析 | 第48-60页 |
5.1 基于MapReduce的句子权重实验评测 | 第48-50页 |
5.2 句子抽取实验评测 | 第50-54页 |
5.2.1 抽取质量评测结果 | 第50-52页 |
5.2.2 抽取性能评测结果 | 第52-54页 |
5.3 句子排序实验评测 | 第54-57页 |
5.3.1 人工评测结果 | 第54-55页 |
5.3.2 机器评测结果 | 第55-57页 |
5.4 本章小结 | 第57-60页 |
6 多文档摘要技术在企业舆情监控系统中的应用 | 第60-74页 |
6.1 舆情系统背景简介 | 第60-61页 |
6.2 平台架构设计 | 第61-63页 |
6.2.1 总体架构 | 第61-63页 |
6.2.2 存储架构 | 第63页 |
6.3 多文档摘要模块设计与实现 | 第63-72页 |
6.3.1 预处理过程 | 第63-67页 |
6.3.2 句子特征建模 | 第67-68页 |
6.3.3 句子抽取模块 | 第68页 |
6.3.4 句子排序模块 | 第68-69页 |
6.3.5 多文档摘要结果展示 | 第69-72页 |
6.4 本章小结 | 第72-74页 |
7 总结与展望 | 第74-76页 |
7.1 工作总结 | 第74-75页 |
7.2 未来展望 | 第75-76页 |
参考文献 | 第76-82页 |
作者攻读学位期间发表学术论文清单 | 第82-84页 |
致谢 | 第84页 |