互联网热点事件挖掘技术的研究与应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景以及课题来源 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 研究目标 | 第14-15页 |
| 1.3.3 主要工作和创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 研究基础及相关理论和技术 | 第17-23页 |
| 2.1 中文信息处理技术 | 第17-19页 |
| 2.1.1 中文分词技术 | 第17-18页 |
| 2.1.2 依存句法分析 | 第18页 |
| 2.1.3 多元语言模型 | 第18-19页 |
| 2.2 PAT-Tree技术 | 第19-20页 |
| 2.3 标题生成技术 | 第20-22页 |
| 2.3.1 标题生成技术概述 | 第20-21页 |
| 2.3.2 句子压缩技术 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 话题核心句抽取 | 第23-35页 |
| 3.1 话题核心句分析 | 第24-25页 |
| 3.2 基于PAT-TREE的事件核心词串抽取 | 第25-29页 |
| 3.2.1 事件核心词串提取流程 | 第25-26页 |
| 3.2.2 PAT-Tree构建过程 | 第26-28页 |
| 3.2.3 基于通用语料的过滤 | 第28-29页 |
| 3.3 事件三元组 | 第29-30页 |
| 3.4 话题核心句生成候选集 | 第30-34页 |
| 3.4.1 基于核心词提取核心句 | 第30-31页 |
| 3.4.2 基于事件三元组提取核心句 | 第31-33页 |
| 3.4.3 候选集生成 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 事件主题句生成 | 第35-64页 |
| 4.1 多句压缩模型 | 第35-36页 |
| 4.2 改进的基于词图的MSC模型 | 第36-45页 |
| 4.2.1 MSC模型 | 第36-39页 |
| 4.2.2 词图构建 | 第39-42页 |
| 4.2.3 点权重和边权重 | 第42-45页 |
| 4.3 集束搜索算法获取主题句 | 第45-48页 |
| 4.4 实验及结果分析 | 第48-63页 |
| 4.4.1 实验环境 | 第48页 |
| 4.4.2 实验数据 | 第48-51页 |
| 4.4.3 评测标准 | 第51-52页 |
| 4.4.4 实验过程及结果分析 | 第52-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 系统实现和展示 | 第64-72页 |
| 5.1 系统架构 | 第64-68页 |
| 5.1.1 数据处理模块 | 第65-66页 |
| 5.1.2 事件分析模块 | 第66页 |
| 5.1.3 热点定制模块 | 第66-67页 |
| 5.1.4 系统部署框架 | 第67-68页 |
| 5.2 系统页面展示 | 第68-71页 |
| 5.2.1 热点事件展示页面 | 第68-70页 |
| 5.2.2 热点定制页面 | 第70-71页 |
| 5.3 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢词 | 第78-79页 |
| 附件 | 第79页 |
