| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 文本摘要研究现状 | 第8-11页 |
| 1.2.1 文本摘要技术的分类 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究工作 | 第11-12页 |
| 1.4 论文的结构安排 | 第12-13页 |
| 2 多文档摘要相关技术 | 第13-25页 |
| 2.1 多文档摘要算法的常用框架 | 第13-14页 |
| 2.2 主题模型概述 | 第14-19页 |
| 2.2.1 词袋模型 | 第15-16页 |
| 2.2.2 隐性语义分析模型LSA | 第16页 |
| 2.2.3 概率潜在语义分析模型PLSA | 第16-18页 |
| 2.2.4 潜在狄立克雷分布模型LDA | 第18-19页 |
| 2.3 语法分析 | 第19-23页 |
| 2.3.1 语义标注 | 第19-20页 |
| 2.3.2 词性短语的替换与重写 | 第20-21页 |
| 2.3.3 Simple NLG句子生成工具 | 第21-23页 |
| 2.4 摘要的评价方法 | 第23-24页 |
| 2.4.1 准确率、召回率与F值 | 第23页 |
| 2.4.2 ROUGE摘要句评测方法 | 第23-24页 |
| 2.4.3 Basic Elements评测方法 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于改进LDA模型的主题句聚类T-means算法 | 第25-31页 |
| 3.1 主题句聚类问题描述 | 第25页 |
| 3.2 句子主题分布模型 | 第25-26页 |
| 3.3 句子主题的计算模型 | 第26-27页 |
| 3.3.1 最佳主题数的选择 | 第26页 |
| 3.3.2 定义主题重要度的概念 | 第26-27页 |
| 3.3.3 候选主题句打分排序方式 | 第27页 |
| 3.4 主题句聚类T-means算法 | 第27-30页 |
| 3.4.1 文本聚类算法概述 | 第27-28页 |
| 3.4.2 T-means算法核心思想 | 第28页 |
| 3.4.3 T-means算法在主题句聚类实验分析对比 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 面向主题句语义融合的多文档摘要技术研究 | 第31-48页 |
| 4.1 多文档摘要的总体结构 | 第31-35页 |
| 4.2 主题聚类分析 | 第35-36页 |
| 4.3 基于整数线性规划的摘要候选句生成模型 | 第36-39页 |
| 4.3.1 短语权重计算 | 第36页 |
| 4.3.2 可兼容短语组合 | 第36-37页 |
| 4.3.3 短语内容优化函数 | 第37页 |
| 4.3.4 短语的替换与重写 | 第37-38页 |
| 4.3.5 生成摘要句 | 第38-39页 |
| 4.4 实验与结果分析 | 第39-47页 |
| 4.4.1 实验数据集介绍 | 第39页 |
| 4.4.2 最佳主题数的参数估计 | 第39-42页 |
| 4.4.3 摘要的评测指标 | 第42页 |
| 4.4.4 ROUGE自动评测结果 | 第42-44页 |
| 4.4.5 Pyramid自动评测结果 | 第44-45页 |
| 4.4.6 摘要范例分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 主要工作总结 | 第48-49页 |
| 5.2 未来工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56页 |
| A. 作者在攻读学位期间发表的论文目录 | 第56页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第56页 |