基于最大熵的自动文摘技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 概述 | 第10-22页 |
| ·论文的研究背景和选题意义 | 第10-11页 |
| ·自动文摘的定义 | 第11页 |
| ·文摘的定义 | 第11页 |
| ·自动文摘的定义 | 第11页 |
| ·自动文摘研究的历史与现状 | 第11-17页 |
| ·国外自动文摘的研究现状 | 第12-15页 |
| ·国内自动文摘的研究现状 | 第15-17页 |
| ·自动文摘的分类 | 第17-18页 |
| ·单文档文摘和多文档文摘 | 第17页 |
| ·摘录型文摘和重饰型文摘 | 第17页 |
| ·偏重型文摘和通用型文摘 | 第17-18页 |
| ·机械文摘、理解文摘 | 第18页 |
| ·有监督学习文摘和无监督学习文摘 | 第18页 |
| ·自动文摘的处理过程 | 第18-19页 |
| ·本论文的主要工作 | 第19页 |
| ·本论文的内容组织结构 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第二章 自动文摘技术相关研究 | 第22-36页 |
| ·自动文摘研究方法的分类介绍 | 第22-28页 |
| ·自动摘录方法 | 第22-24页 |
| ·基于理解的自动文摘方法 | 第24-26页 |
| ·基于信息抽取的自动文摘方法 | 第26页 |
| ·基于篇章结构的自动文摘方法 | 第26-28页 |
| ·基于用户查询的自动文摘方法 | 第28页 |
| ·自动文摘常用处理技术研究 | 第28-34页 |
| ·向量空间模型 | 第29-31页 |
| ·潜在语义分析模型 | 第31-32页 |
| ·文本聚类 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于最大熵的自动文摘关键技术 | 第36-50页 |
| ·最大熵模型概述 | 第36-37页 |
| ·最大熵问题举例 | 第37-38页 |
| ·最大熵模型的框架和主要任务 | 第38-39页 |
| ·基于最大熵的自动文摘技术的特征函数 | 第39-40页 |
| ·基于最大熵的自动文摘技术的模型训练 | 第40-43页 |
| ·GIS算法 | 第40-41页 |
| ·IIS算法 | 第41-42页 |
| ·本文采用的训练模型 | 第42-43页 |
| ·基于最大熵的自动文摘技术的特征提取和表示 | 第43-47页 |
| ·句子的F特征提取规则 | 第43-45页 |
| ·句子的T特征提取规则 | 第45页 |
| ·句子的L特征提取规则 | 第45-46页 |
| ·句子的S特征提取规则 | 第46页 |
| ·句子的工特征提取规则 | 第46-47页 |
| ·句子的特征表示—特征模板 | 第47-48页 |
| ·基于最大熵的文摘句识别提取算法 | 第48-49页 |
| ·最大熵的优点 | 第49-50页 |
| 第四章 结果分析和评价 | 第50-64页 |
| ·文摘评价方法概述 | 第50-53页 |
| ·内部评价方法 | 第51-52页 |
| ·外部评价方法 | 第52-53页 |
| ·实验语料数据集和实验性能评价指标 | 第53-54页 |
| ·实验数据集 | 第53页 |
| ·实验性能评价指标 | 第53-54页 |
| ·实验模型训练和特征集的选择 | 第54-55页 |
| ·模型训练 | 第54页 |
| ·特征集选择 | 第54-55页 |
| ·实验结果和分析 | 第55-62页 |
| ·实验1---说明文 | 第56-57页 |
| ·实验2---议论文 | 第57-59页 |
| ·实验3---叙述文 | 第59-61页 |
| ·三个实验综合分析 | 第61-62页 |
| ·实验结论 | 第62-64页 |
| 第五章 实验系统的设计与实现 | 第64-72页 |
| ·引言 | 第64页 |
| ·系统总体设计框架 | 第64-65页 |
| ·文本预处理子模块 | 第65-68页 |
| ·最大熵模块 | 第68-69页 |
| ·冗余处理模块 | 第69-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·总结 | 第72页 |
| ·本文的不足之处与展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 附录：攻读硕士学位期间发表软著和参与的项目 | 第82页 |
