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

文本关键词提取技术及其应用研究

摘要第3-4页
Abstract第4页
第一章 绪论第7-14页
    1.1 选题背景及意义第7-8页
    1.2 文本关键词提取技术的提出第8-9页
    1.3 国内外研究现状第9-10页
        1.3.1 国外研究现状第9页
        1.3.2 国内研究现状第9-10页
    1.4 关键词提取技术研究动态第10-11页
    1.5 论文主要研究内容第11-12页
    1.6 论文内容安排第12-14页
第二章 相关技术基础理论与方法第14-27页
    2.1 关键词概述及相关技术第14页
    2.2 不同的关键词提取技术第14-20页
        2.2.1 基于 TextRank 的关键词提取方法第14-17页
        2.2.2 基于 TF/IDF 的区分性关键词提取方法第17-18页
        2.2.3 基于 SDA(稀疏判别分析)的关键词提取方法第18-19页
        2.2.4 基于 SparseSVM 的关键词提取方法第19-20页
    2.3 特征权重第20-22页
    2.4 评价方法第22-26页
        2.4.1 支持向量机第22-24页
        2.4.2 LIBSVM 概述第24-26页
    2.5 本章小结第26-27页
第三章 关键词提取技术在维吾尔文文本分类中的应用第27-39页
    3.1 实验系统框架第27-29页
    3.2 实验数据收集与整理第29-30页
    3.3 实验结果与分析第30-38页
        3.3.1 基于 TextRank 的类别关键词提取实验结果第30-32页
        3.3.2 基于 TF/IDF 的区分性关键词提取实验结果第32-35页
        3.3.3 基于 SDA 的类别关键词提取实验结果第35-36页
        3.3.4 基于 SparseSVM 的类别关键词提取实验结果第36-38页
    3.4 本章小结第38-39页
第四章 关键词提取技术在维吾尔文本情感辨识中的应用第39-55页
    4.1 情感辨识相关技术第39-40页
    4.2 维吾尔文情感特点第40-41页
    4.3 实验数据收集与整理第41页
    4.4 系统框架第41-42页
    4.5 实验结果与分析第42-53页
        4.5.1 基于 TextRank 的情感词语提取第42-45页
        4.5.2 基于 TF/IDF 的区分性关键词提取第45-48页
        4.5.3 基于 SDA 的情感词语提取第48-50页
        4.5.4 基于 SparseSVM 的情感词语提取第50-53页
    4.6 本章小结第53-55页
第五章 总结与展望第55-57页
    5.1 本文总结第55页
    5.2 展望第55-57页
参考文献第57-59页
在研期间发表的论文及参与课题第59-60页
致谢第60页

论文共60页,点击 下载论文
上一篇:在线考试系统的设计与实现
下一篇:基于Android的图像内容检索系统