Web新闻专题组织与生成系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·相关工作 | 第11-16页 |
| ·文本聚类 | 第12-13页 |
| ·信息检索 | 第13-14页 |
| ·主题检测与追踪 | 第14-15页 |
| ·专题来龙去脉生成 | 第15-16页 |
| ·论文研究内容与结构安排 | 第16-17页 |
| 第二章 Web新闻专题组织与生成系统组成 | 第17-25页 |
| ·Web新闻专题组织与生成系统的基本原理和意义 | 第17-18页 |
| ·Web新闻专题组织与生成系统的基本结构 | 第18-22页 |
| ·部分Web新闻信息采集 | 第18页 |
| ·Web新闻主题内容提取 | 第18-19页 |
| ·文本表示与特征提取 | 第19页 |
| ·新闻主题检测 | 第19-21页 |
| ·新闻主题追踪 | 第21页 |
| ·新闻专题来龙去脉生成 | 第21-22页 |
| ·Web新闻专题生成面临的技术困难和相应手段 | 第22-23页 |
| ·本系统的技术特点 | 第23-25页 |
| 第三章 Web新闻信息采集与内容提取 | 第25-40页 |
| ·Web新闻信息采集方法设计 | 第25-29页 |
| ·URL队列 | 第25-26页 |
| ·URL处理器 | 第26页 |
| ·网页采集器 | 第26-27页 |
| ·网页去重检测器 | 第27页 |
| ·URL提取器 | 第27-28页 |
| ·标签信息提取器 | 第28页 |
| ·网页类型判断 | 第28-29页 |
| ·数据库 | 第29页 |
| ·Web新闻信息采集器的实现过程 | 第29-32页 |
| ·本采集器的设计关键点 | 第29-31页 |
| ·Web新闻采集器的实现流程 | 第31-32页 |
| ·网页主题内容提取 | 第32-36页 |
| ·新闻网页及噪声分类 | 第32-34页 |
| ·基于向量空间模型的网页噪声净化 | 第34-36页 |
| ·实验结果及性能分析 | 第36-39页 |
| ·Web信息采集效率 | 第37-38页 |
| ·噪声消除的彻底性 | 第38页 |
| ·提取内容的完整性 | 第38-39页 |
| ·噪声消除的效率 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于自适应重心的新闻主题检测 | 第40-51页 |
| ·主题检测的基本原理 | 第40-41页 |
| ·新闻主题的表示 | 第41-43页 |
| ·新闻主题的特征项 | 第41页 |
| ·新闻主题特征项的权重 | 第41页 |
| ·特征维数约减 | 第41-42页 |
| ·新闻主题的表示 | 第42-43页 |
| ·主题检测算法 | 第43-46页 |
| ·增量式聚类算法 | 第43-44页 |
| ·主题重心的修正 | 第44-45页 |
| ·主题重心的组合 | 第45-46页 |
| ·基于主题重心自适应的主题检测方法 | 第46页 |
| ·实验结果及性能分析 | 第46-50页 |
| ·实验数据 | 第46-47页 |
| ·实验结果评测标准 | 第47-48页 |
| ·软件实现结果 | 第48-49页 |
| ·实验结果及性能分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于LS-SVM的新闻主题追踪 | 第51-60页 |
| ·LSI模型 | 第51-54页 |
| ·隐含语义分析 | 第51-53页 |
| ·词-文档矩阵表示 | 第53页 |
| ·奇异值分解 | 第53-54页 |
| ·支持向量机(SVM) | 第54-56页 |
| ·基于 LS-SVM的新闻主题追踪方法 | 第56-58页 |
| ·实验结果与性能分析 | 第58-59页 |
| ·实验数据及评价标准 | 第58页 |
| ·实验结果与性能比较 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 基于NS-IMMC的新闻专题来龙去脉生成 | 第60-73页 |
| ·多文档自动摘要基础 | 第60-63页 |
| ·自动摘要的定义和分类 | 第60页 |
| ·多文档自动摘要的定义和分类 | 第60-61页 |
| ·多文档文摘与其他自然语言处理的关系 | 第61-62页 |
| ·评价方法 | 第62-63页 |
| ·新闻文档结构特点(NS) | 第63-64页 |
| ·最小最大聚类算法 | 第64-67页 |
| ·最小最大聚类原理 | 第64-65页 |
| ·改进的最小最大聚类算法(IMMC) | 第65-67页 |
| ·基于NS-IMMC的新闻专题来龙去脉生成方法 | 第67-69页 |
| ·实验结果与性能分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 系统的实现与总结 | 第73-77页 |
| ·系统总体功能及框架结构 | 第73-74页 |
| ·新闻专题组织与生成系统实例及结果 | 第74-75页 |
| ·全文总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 作者攻读硕士学位期间的主要研究成果 | 第84页 |
