首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于文本语义正则约束的突发事件时间摘要技术研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-15页
    1.1 课题的研究背景第11-13页
    1.2 研究目的和意义第13页
    1.3 论文的研究内容第13页
    1.4 论文的组织结构第13-15页
第2章 相关研究综述第15-39页
    2.1 事件时间摘要方法综述第15-18页
        2.1.1 多文档摘要技术第15-16页
        2.1.2 话题检测与追踪技术第16-17页
        2.1.3 信息抽取技术第17-18页
    2.2 文本聚类方法综述第18-21页
        2.2.1 扁平式聚类方法第18-19页
        2.2.2 层次式聚类方法第19-20页
        2.2.3 隐语义模型和谱聚类方法第20-21页
        2.2.4 非负矩阵分解第21页
    2.3 查询扩展方法综述第21-26页
        2.3.1 基于全局的查询扩展技术第22-23页
        2.3.2 基于用户日志的查询扩展技术第23页
        2.3.3 基于局部的查询扩展技术第23-25页
        2.3.4 基于语义概念的查询扩展技术第25-26页
    2.4 语义计算方法综述第26-37页
        2.4.1 基于文本构造的相似度第26-31页
        2.4.2 基于文本关系的语义相似度第31-35页
        2.4.3 基于外部知识的语义相似度第35-37页
    2.5 本章小结第37-39页
第3章 基于稀疏话题发现的突发事件时间摘要系统研究第39-51页
    3.1 突发事件时间摘要任务分析第39-40页
        3.1.1 突发事件的定义及特点第39页
        3.1.2 突发事件时间摘要任务的定义及特点第39-40页
    3.2 基于稀疏话题发现的突发事件时间摘要框架第40-44页
        3.2.1 突发事件时间摘要的抽取思路第41-43页
        3.2.2 突发事件时间摘要的抽取框架第43-44页
    3.3 稀疏句子抽取子模块第44-46页
        3.3.1 突发事件话题扩展第44-45页
        3.3.2 基于检索的候选句子选取第45-46页
    3.4 稀疏话题挖掘子模块第46-49页
        3.4.1 基于非负矩阵分解的话题聚类分析第46-49页
        3.4.2 基于非负矩阵分解的突发事件时间摘要第49页
    3.5 摘要压缩与生成子模块第49-50页
    3.6 本章小结第50-51页
第4章 基于近邻语义保持正则约束的稀疏话题发现研究第51-63页
    4.1 近邻语义关系保持正则化算子第51-55页
        4.1.1 近邻语义算子的引子—互信息与熵第51-53页
        4.1.2 近邻语义算子第53-55页
    4.2 基于近邻语义保持正则约束的稀疏话题发现第55-56页
    4.3 近邻语义保持事件时间摘要(NPS-Cluster)算法第56-61页
        4.3.1 NPS-Cluster建模公式第56-57页
        4.3.2 NPS-Cluster算法求解与验证第57-59页
        4.3.3 NPS-Cluster算法流程及时间复杂度分析第59-61页
    4.4 本章小结第61-63页
第5章 实验设计和结果分析第63-75页
    5.1 实验设计第63-64页
        5.1.1 实验目的第63页
        5.1.2 实验数据第63-64页
    5.2 评测框架和指标分析第64-68页
        5.2.1 评测框架第64-66页
        5.2.2 实验指标介绍第66-68页
    5.3 对比试验方法介绍及NPS-Cluster方法参数设置第68-69页
    5.4 结果分析第69-73页
        5.4.1 不同聚类方法的实验结果和分析第70-71页
        5.4.2 不同实验方法的聚类簇数目分析第71-72页
        5.4.3 摘要压缩比例的实验和分析第72-73页
        5.4.4 时间性能分析第73页
    5.5 本章小结第73-75页
结论第75-77页
参考文献第77-85页
攻读硕士学位期间发表的学术论文第85-87页
致谢第87页

论文共87页,点击 下载论文
上一篇:基于Trie树的个性化搜索研究
下一篇:基于机器翻译模型的汉语近音错别字校对方法研究