| 授予学历硕士人员登记表 | 第2-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1. 研究背景及意义 | 第12页 |
| 1.2. 国内外研究现状 | 第12-14页 |
| 1.3. 本文的主要研究内容 | 第14-15页 |
| 1.4. 本文的组织结构 | 第15-18页 |
| 第二章 可比较语料库挖掘系统的设计与框架 | 第18-24页 |
| 2.1. 相关研究 | 第18-20页 |
| 2.1.1. 基于特征匹配 | 第18-19页 |
| 2.1.2. 基于跨语言信息检索 | 第19-20页 |
| 2.1.3. 基于维基百科链接 | 第20页 |
| 2.2. 可比较语料挖掘系统设计与框架 | 第20-23页 |
| 2.3. 本章小结 | 第23-24页 |
| 第三章 基于文本密度块的WEB新闻抽取方法 | 第24-34页 |
| 3.1. 引言 | 第24-25页 |
| 3.2. 相关研究 | 第25-28页 |
| 3.2.1. 基于统计的方法 | 第25页 |
| 3.2.2 基于DOM的方法 | 第25-26页 |
| 3.2.3 基于网页分块的方法 | 第26-27页 |
| 3.2.4 基于标签窗的方法 | 第27-28页 |
| 3.3. 新闻网页抽取方案设计 | 第28页 |
| 3.4. 基于文本密度块的WEB新闻抽取方法 | 第28-31页 |
| 3.4.1. 数据预处理 | 第28-30页 |
| 3.4.2. 新闻信息抽取 | 第30-31页 |
| 3.5. 实验与分析 | 第31-32页 |
| 3.5.1. 语料 | 第31-32页 |
| 3.5.2. 评价指标 | 第32页 |
| 3.5.3. 实验设计与结果分析 | 第32页 |
| 3.6. 本章小结 | 第32-34页 |
| 第四章 基于TextRank算法提取新闻关键事件主题句 | 第34-42页 |
| 4.1. 引言 | 第34页 |
| 4.2. 事件抽取的研究方法 | 第34-36页 |
| 4.2.1. 基于机器学习的事件抽取 | 第35页 |
| 4.2.2. 基于模板匹配的规则方法 | 第35-36页 |
| 4.3. 关键事件主题句提取 | 第36-39页 |
| 4.3.1. 基本流程 | 第36-37页 |
| 4.3.2. 事件识别 | 第37-38页 |
| 4.3.3. TextRank权值计算 | 第38-39页 |
| 4.4. 实验与分析 | 第39-40页 |
| 4.4.1. 实验数据 | 第39页 |
| 4.4.2. 评价标准 | 第39页 |
| 4.4.3. 实验结果与分析 | 第39-40页 |
| 4.5. 本章小结 | 第40-42页 |
| 第五章 基于向量空间的跨语言新闻文本相似度计算 | 第42-52页 |
| 5.1. 引言 | 第42页 |
| 5.2. 相关工作介绍 | 第42-43页 |
| 5.3. 跨语言文本匹配 | 第43-46页 |
| 5.3.1. 基本流程 | 第43-44页 |
| 5.3.2. 双语向量空间的构建 | 第44-45页 |
| 5.3.3. 时间相似度计算 | 第45-46页 |
| 5.3.4. 相似度计算 | 第46页 |
| 5.4. 实验与分析 | 第46-50页 |
| 5.4.1. 测试样本 | 第46-48页 |
| 5.4.2. 评价标准 | 第48-49页 |
| 5.4.3. 实验结果与分析 | 第49-50页 |
| 5.5. 本章小结 | 第50-52页 |
| 第六章 总结及展望 | 第52-54页 |
| 6.1. 总结 | 第52-53页 |
| 6.2. 展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 附录A 攻读硕士期间发表论文与申请软件著作权 | 第64-65页 |
| 附录B 攻读硕士期间参与项目 | 第65页 |