面向新闻文档的自动微博生成算法研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 文档的自动微博生成 | 第12-14页 |
| 1.2.1 文本自动微博生成研究现状 | 第12-13页 |
| 1.2.2 典型自动微博系统分析 | 第13-14页 |
| 1.3 本文的主要内容和结构安排 | 第14-16页 |
| 第2章 自动微博生成综述 | 第16-22页 |
| 2.1 自动微博生成定义 | 第16页 |
| 2.2 自动微博生成影响因素 | 第16-18页 |
| 2.3 自动生成微博评价方法 | 第18-19页 |
| 2.4 文本预处理技术 | 第19页 |
| 2.5 自动微博生成研究中的关键技术 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 基于关键短语自动生成微博 | 第22-34页 |
| 3.1 关键短语生成 | 第22-25页 |
| 3.1.1 候选关键短语选择 | 第22-24页 |
| 3.1.2 候选关键短语权重计算 | 第24-25页 |
| 3.1.3 关键短语提取 | 第25页 |
| 3.2 基于关键短语生成微博 | 第25-29页 |
| 3.2.1 微博句子选择 | 第26-27页 |
| 3.2.2 基于关键短语生成微博的详细算法 | 第27-28页 |
| 3.2.3 候选句子位置阈值选择 | 第28-29页 |
| 3.3 实验结果 | 第29-33页 |
| 3.3.1 数据集 | 第29-30页 |
| 3.3.2 微博生成效果的评价方法 | 第30页 |
| 3.3.3 基于关键短语自动生成微博算法分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于LSA自动微博生成 | 第34-55页 |
| 4.1 基于LSA的自动生成微博算法框架 | 第34-35页 |
| 4.2 潜在语义分析(LSA)技术 | 第35-39页 |
| 4.2.1 文本的矩阵表示 | 第36页 |
| 4.2.2 奇异值分解 | 第36-38页 |
| 4.2.3 潜在语义空间定义 | 第38-39页 |
| 4.3 词项权重计算模型 | 第39-42页 |
| 4.3.1 词项权重的定义 | 第39-40页 |
| 4.3.2 权重计算方法 | 第40-42页 |
| 4.4 基于LSA生成微博技术 | 第42-45页 |
| 4.4.1 文本分析与权重计算 | 第42-43页 |
| 4.4.2 语义分析 | 第43-44页 |
| 4.4.3 自动微博生成 | 第44-45页 |
| 4.5 实验结果 | 第45-53页 |
| 4.5.1 实验数据集介绍 | 第45页 |
| 4.5.2 评价方法 | 第45-48页 |
| 4.5.3 基于LSA生成微博实验结果 | 第48-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 自动微博生成系统设计与实现 | 第55-64页 |
| 5.1 系统总体设计 | 第55-56页 |
| 5.1.1 系统主要功能模块 | 第55-56页 |
| 5.1.2 系统处理流程 | 第56页 |
| 5.2 自动微博生成系统实现 | 第56-59页 |
| 5.2.1 基于关键短语生成微博模块 | 第57-58页 |
| 5.2.2 基于潜在语义分析模型生成微博模块 | 第58-59页 |
| 5.3 系统应用分析 | 第59-63页 |
| 5.4 小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
