基于词共现网络的文本特征提取方法研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 基于统计的文本特征提取 | 第8-9页 |
| 1.2.2 基于图模型的文本特征提取 | 第9页 |
| 1.2.3 基于语言学的文本特征提取 | 第9-10页 |
| 1.3 本课题研究内容与挑战 | 第10-12页 |
| 1.3.1 研究内容 | 第10-11页 |
| 1.3.2 主要创新 | 第11-12页 |
| 1.4 本课题组织结构 | 第12-13页 |
| 第2章 文本特征提取相关算法及应用分析 | 第13-21页 |
| 2.1 基于统计的文本特征提取 | 第13-15页 |
| 2.2 基于图模型的文本特征提取 | 第15-17页 |
| 2.3 文本特征应用分析 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 文本特征提取方法研究 | 第21-33页 |
| 3.1 基于词共现网络的关键词抽取 | 第21-27页 |
| 3.1.1 关键词抽取模型构建流程 | 第22-26页 |
| 3.1.2 模型复杂度评估 | 第26页 |
| 3.1.3 关键词抽取的影响因素 | 第26-27页 |
| 3.2 基于词共现网络的摘要抽取 | 第27-31页 |
| 3.2.1 文章摘要抽取模型构建流程 | 第27-30页 |
| 3.2.2 模型复杂度评估 | 第30-31页 |
| 3.2.3 文章摘要抽取的影响因素 | 第31页 |
| 3.3 文本特征融合算法 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 实验结果分析 | 第33-49页 |
| 4.1 数据介绍 | 第33-34页 |
| 4.2 关键词抽取算法验证实验 | 第34-41页 |
| 4.2.1 寻找合适的δ和Y | 第35-37页 |
| 4.2.2 与人工标注的关键词作比较 | 第37-38页 |
| 4.2.3 与经典算法作比较 | 第38-41页 |
| 4.3 摘要抽取算法验证 | 第41-44页 |
| 4.4 特征融合结果验证及舆情应用 | 第44-48页 |
| 4.4.1 新闻相关性判断和风险值预测 | 第45-46页 |
| 4.4.2 垂直领域业务场景分类 | 第46页 |
| 4.4.3 带视角情感分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第56页 |
