基于主题划分的Web文档自动摘要研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 1 引言 | 第9-14页 |
| ·论文研究背景和意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·论文研究意义 | 第10-11页 |
| ·研究内容和独创性 | 第11-13页 |
| ·论文研究内容 | 第11-12页 |
| ·论文选题的创新点 | 第12-13页 |
| ·论文组织 | 第13-14页 |
| 2 自动文摘技术综述 | 第14-25页 |
| ·文本摘要分类 | 第14-15页 |
| ·自动摘要的主要方法 | 第15-23页 |
| ·自动摘录 | 第16-19页 |
| ·Luhn 算法 | 第17-18页 |
| ·Edmundson 方法 | 第18页 |
| ·自动摘录的优缺点 | 第18-19页 |
| ·基于结构分析的自动文摘 | 第19-20页 |
| ·关联网络 | 第19-20页 |
| ·篇章分析 | 第20页 |
| ·基于理解的自动摘要 | 第20-22页 |
| ·脚本（Script） | 第21页 |
| ·框架（Frame） | 第21页 |
| ·概念从属结构 | 第21页 |
| ·一阶谓词 | 第21-22页 |
| ·信息抽取 | 第22-23页 |
| ·国内外自动文摘研究现状 | 第23-25页 |
| 3 Web 文档主题划分 | 第25-39页 |
| ·网页预处理 | 第25-27页 |
| ·文档对象模型（DOM） | 第26页 |
| ·网页数据清洗 | 第26-27页 |
| ·向量空间模型 | 第27-29页 |
| ·基于 DOM 的网页主题划分 | 第29-38页 |
| ·文本分割 | 第29-32页 |
| ·基于词间相关性的分割方法 | 第30-31页 |
| ·基于特征抽取和机器学习的分割方法 | 第31-32页 |
| ·文本聚类 | 第32-34页 |
| ·基于DOM的主题分割算法 | 第34-38页 |
| ·主题划分模型 | 第34-36页 |
| ·实验及结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于概念统计的网页摘要 | 第39-50页 |
| ·WordNet 简介 | 第39-40页 |
| ·文本预处理 | 第40-43页 |
| ·基于概念统计的特征提取 | 第43-47页 |
| ·概念层次图的构建 | 第43-44页 |
| ·主题概念的提取 | 第44-47页 |
| ·网页摘要生成 | 第47-49页 |
| ·句子重要度计算 | 第47-48页 |
| ·摘要动态抽取算法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 系统实现及其结果评价 | 第50-64页 |
| ·系统框架结构 | 第50-52页 |
| ·系统功能模块及算法 | 第52-54页 |
| ·网页预处理模块 | 第52页 |
| ·文档主题划分模块 | 第52页 |
| ·主题概念提取模块 | 第52-53页 |
| ·摘要动态生成模块 | 第53-54页 |
| ·摘要系统的演示和实例 | 第54-57页 |
| ·实验结果及其评价 | 第57-63页 |
| ·自动摘要系统评价方法 | 第57-60页 |
| ·本实验结果及评价 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 6 结束语 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·未来展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 攻读学位期间发表的学术论文及参加的研究工作 | 第73-74页 |
| 致谢 | 第74页 |
