面向新闻文本的商情挖掘
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 本文主要工作 | 第13-14页 |
| 1.3 本文组织结构 | 第14-15页 |
| 第2章 相关研究 | 第15-22页 |
| 2.1 文本挖掘 | 第15-17页 |
| 2.1.1 基于模式匹配的文本挖掘 | 第15页 |
| 2.1.2 基于机器学习的文本挖掘 | 第15-16页 |
| 2.1.3 基于深度学习的文本挖掘 | 第16-17页 |
| 2.2 商情挖掘 | 第17-18页 |
| 2.3 文本表示的研究 | 第18-21页 |
| 2.3.1 文本文摘 | 第19-20页 |
| 2.3.2 关键词抽取 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于特征加权的新闻主题句抽取 | 第22-33页 |
| 3.1 主题句抽取概述 | 第22-23页 |
| 3.2 新闻文本的特点 | 第23-25页 |
| 3.2.1 新闻标题 | 第23-24页 |
| 3.2.2 新闻正文 | 第24-25页 |
| 3.3 新闻主题句提取 | 第25-28页 |
| 3.3.1 特征选取 | 第25-27页 |
| 3.3.2 主题句提取 | 第27-28页 |
| 3.4 实验设计及分析 | 第28-32页 |
| 3.4.1 实验语料 | 第28-29页 |
| 3.4.2 评价指标 | 第29页 |
| 3.4.3 实验结果及分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 新闻要素提取 | 第33-45页 |
| 4.1 新闻要素提取概述 | 第33-38页 |
| 4.1.1 新闻要素提取方法的研究 | 第33-37页 |
| 4.1.2 新闻要素提取的应用 | 第37-38页 |
| 4.2 以WHO为驱动的新闻要素提取 | 第38-41页 |
| 4.2.1 Ranking SVM | 第38-39页 |
| 4.2.2 以WHO为驱动的新闻要素提取算法 | 第39-41页 |
| 4.2.3 案例展示 | 第41页 |
| 4.3 实验评价及分析 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 面向新闻文本的商情挖掘系统设计与实现 | 第45-52页 |
| 5.1 系统设计 | 第45-46页 |
| 5.2 系统实现 | 第46-48页 |
| 5.3 实例演示 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
