基于向量空间模型的中文文本相似度算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究目的和意义 | 第10-11页 |
| ·文本相似度计算概述 | 第11-12页 |
| ·文本相似度计算的发展概况及现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·本文的主要工作和内容安排 | 第14-15页 |
| 第二章 文本相似度计算的理论基础 | 第15-27页 |
| ·文本的结构化表示 | 第15-16页 |
| ·向量空间模型 | 第16-21页 |
| ·向量空间模型的基本概念 | 第16-18页 |
| ·特征项的选取 | 第18-19页 |
| ·TF-IDF 权重 | 第19-20页 |
| ·相似度衡量 | 第20-21页 |
| ·向量空间模型的优点和局限性 | 第21-22页 |
| ·其它文本相似度计算方法 | 第22-25页 |
| ·广义向量空间模型 | 第22-23页 |
| ·隐性语义索引 | 第23-24页 |
| ·基于本体论的文本相似度计算方法 | 第24-25页 |
| ·向量空间模型应用于中文文本的分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 语义向量空间模型 | 第27-44页 |
| ·中文文本的语义分析 | 第27-29页 |
| ·中文词语的语义相关性 | 第27-28页 |
| ·通过知网获取语义分析知识 | 第28-29页 |
| ·语义主题空间和特征项定义 | 第29-31页 |
| ·中文文本的特征向量表示 | 第31-32页 |
| ·特征项向量的计算 | 第32-43页 |
| ·特征项向量化规则 | 第32-33页 |
| ·语义关联图 | 第33-38页 |
| ·语义关联图的定义 | 第33-35页 |
| ·语义关联图的构建 | 第35-38页 |
| ·特征项向量的确定 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 中文文本相似度计算 | 第44-53页 |
| ·中文文本向量化 | 第44-46页 |
| ·文本相似度衡量 | 第46-47页 |
| ·自定义特征加权 | 第47-50页 |
| ·文本相似度计算实例 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 算法实现和效果评估 | 第53-70页 |
| ·中文文本相似度计算系统CN-SIM | 第53-62页 |
| ·系统架构 | 第53-56页 |
| ·系统工作流程 | 第56-57页 |
| ·系统实现 | 第57-62页 |
| ·系统实验及算法性能分析 | 第62-67页 |
| ·文本相似度计算结果的评价方法 | 第62-63页 |
| ·实验结果 | 第63-67页 |
| ·应用案例：成都市经济信息中心电子政务系统 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·本文总结 | 第70页 |
| ·待完善的工作 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间取得的研究成果 | 第77-78页 |
