网络舆情资讯系统中的自动文本摘要技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究动机 | 第10页 |
| 1.3 本文章节组织 | 第10-12页 |
| 第二章 相关工作 | 第12-20页 |
| 2.1 垃圾文本过滤 | 第12-13页 |
| 2.2 句子重要性排序算法 | 第13-18页 |
| 2.2.1 特征线性组合方法 | 第14-15页 |
| 2.2.2 机器学习方法 | 第15-16页 |
| 2.2.3 基于图模型的方法 | 第16-18页 |
| 2.3 关键词抽取 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 垃圾文本过滤 | 第20-26页 |
| 3.1 垃圾文本分类 | 第20-21页 |
| 3.1.1 词的二义性导致的垃圾文本 | 第20页 |
| 3.1.2 分词导致的垃圾文本 | 第20-21页 |
| 3.1.3 相似文本导致的冗余 | 第21页 |
| 3.2 多层垃圾文本过滤方法 | 第21-24页 |
| 3.2.1 黑/白名单过滤 | 第22页 |
| 3.2.2 分类器过滤 | 第22-23页 |
| 3.2.3 冗余文本过滤 | 第23-24页 |
| 3.3 实验评价 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 词句协同排序的自动摘要算法 | 第26-39页 |
| 4.1 问题建模 | 第26页 |
| 4.2 计算方法 | 第26-28页 |
| 4.3 WSRank算法流程 | 第28-29页 |
| 4.4 算法收敛性证明 | 第29-30页 |
| 4.5 实验评价 | 第30-37页 |
| 4.5.1 实验设置 | 第30-32页 |
| 4.5.2 实验结果 | 第32-37页 |
| 4.6 本章小结 | 第37-39页 |
| 第五章 舆情系统应用 | 第39-42页 |
| 5.1 舆情系统功能 | 第39页 |
| 5.2 自动摘要算法在舆情系统中的作用 | 第39-40页 |
| 5.3 舆情系统应用展示 | 第40-41页 |
| 5.3.1 江苏电力热点舆情情报系统 | 第40页 |
| 5.3.2 中船重工714所舆情监控系统 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 结论 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 参与的科研项目成果 | 第48-49页 |
| 后记 | 第49页 |
