基于人物角色事件的传记生成方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 人物传记发展历程 | 第10-19页 |
| 1.2.1 人物传记典型模式概述 | 第10-11页 |
| 1.2.2 人物传记摘要流程概述 | 第11-13页 |
| 1.2.3 人物传记生成技术概述 | 第13-19页 |
| 1.3 本文主要工作和内容组织 | 第19-21页 |
| 2 人物传记语料库的构建 | 第21-29页 |
| 2.1 网络爬虫 | 第22-23页 |
| 2.1.1 网络爬虫技术概述 | 第22页 |
| 2.1.2 Scrapy爬取原理 | 第22-23页 |
| 2.2 百度百科人物爬取 | 第23-24页 |
| 2.3 媒体新闻报道爬取 | 第24-28页 |
| 2.3.1 百度新闻高级搜索功能介绍 | 第24-25页 |
| 2.3.2 文本数据的爬取与解析 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 人物传记语料库的净化 | 第29-36页 |
| 3.1 网页去重相关概念 | 第29-31页 |
| 3.2 基于词语指纹的网页去重算法 | 第31-35页 |
| 3.2.1 原始特征串提取 | 第31-32页 |
| 3.2.2 词语指纹的生成 | 第32-33页 |
| 3.2.3 网页词语指纹的匹配 | 第33页 |
| 3.2.4 实验结果与分析 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 人物传记的自动生成 | 第36-52页 |
| 4.1 人物传记自动生成技术 | 第36页 |
| 4.2 人物属性信息的提取 | 第36-39页 |
| 4.2.1 半结构化信息提取 | 第38页 |
| 4.2.2 非结构化信息提取 | 第38-39页 |
| 4.3 人物事件的提取 | 第39-48页 |
| 4.3.1 人物事件描述特征的提取 | 第40-44页 |
| 4.3.2 不同角色事件的自动凝练 | 第44-48页 |
| 4.3.3 人物事件的时序摘要生成 | 第48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.4.1 参数设定对聚类效果的影响 | 第50页 |
| 4.4.2 与K-means算法的对比实验 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 人物传记可视化方法 | 第52-62页 |
| 5.1 人物角色事件分析方法 | 第52-53页 |
| 5.1.1 社会网络模型 | 第52-53页 |
| 5.1.2 隶属网络模型 | 第53页 |
| 5.2 人物事件时序摘要与事件描述词矩阵 | 第53-55页 |
| 5.2.1 事件描述词元素提取 | 第53-54页 |
| 5.2.2 事件时序摘要元素提取 | 第54页 |
| 5.2.3 事件描述词与时序摘要矩阵的构建 | 第54-55页 |
| 5.3 人物角色事件的可视化分析 | 第55-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
