| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 1.3.1 实现基于不同机器学习方法的自动文摘系统 | 第11-12页 |
| 1.3.2 选择特征并对在不同特征组合时系统性能进行比较 | 第12页 |
| 1.3.3 实现基于协同训练的自动文摘系统 | 第12-13页 |
| 1.4 论文主要结构 | 第13-14页 |
| 第二章 相关工作 | 第14-23页 |
| 2.1 协同训练 | 第14-19页 |
| 2.1.1 协同训练算法 | 第14-15页 |
| 2.1.2 协同训练理论分析 | 第15-17页 |
| 2.1.3 Co-training协同训练算法 | 第17页 |
| 2.1.4 Tri-training协同训练算法 | 第17-19页 |
| 2.2 深度学习 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于机器学习方法的自动文摘 | 第23-37页 |
| 3.1 整体设计 | 第23-24页 |
| 3.2 语料预处理 | 第24页 |
| 3.3 特征选择 | 第24-26页 |
| 3.4 使用模型 | 第26-30页 |
| 3.4.1 支持向量机 | 第26-27页 |
| 3.4.2 条件随机场 | 第27页 |
| 3.4.3 朴素贝叶斯 | 第27-28页 |
| 3.4.4 卷积神经网络 | 第28页 |
| 3.4.5 特征转换 | 第28-30页 |
| 3.5 实验与分析 | 第30-36页 |
| 3.5.1 Word2Vec不同语料对比 | 第31-33页 |
| 3.5.2 单一特征对比 | 第33-34页 |
| 3.5.3 多特征组合对比 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于协同训练的自动文摘系统 | 第37-49页 |
| 4.1 整体框架 | 第37-38页 |
| 4.2 基于Co-training算法的自动文摘系统实现 | 第38-39页 |
| 4.3 基于Tri-training算法的自动文摘系统实现 | 第39-43页 |
| 4.4 实验与分析 | 第43-48页 |
| 4.4.1 分类器组合实验 | 第43-45页 |
| 4.4.2 有标数据比例实验 | 第45-46页 |
| 4.4.3 无标数据比例实验 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结和展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文目录 | 第57页 |
