| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 现阶段研究 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 相关技术的介绍 | 第16-23页 |
| 2.1 基于词袋的文本距离计算 | 第16-17页 |
| 2.1.1 VSM方法 | 第16页 |
| 2.1.2 LSA和PLSA方法 | 第16-17页 |
| 2.1.3 LDA方法 | 第17页 |
| 2.2 基于神经网络的文本距离计算 | 第17-18页 |
| 2.3 向量距离 | 第18-19页 |
| 2.4 向量单元权重的计算 | 第19-20页 |
| 2.5 WTMF模型的文本距离计算 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于异质图正交矩阵分解模型的文本距离计算的研究 | 第23-29页 |
| 3.1 模型改进 | 第23页 |
| 3.2 正交矩阵分解方法 | 第23-24页 |
| 3.3 异质图正交矩阵方法 | 第24-26页 |
| 3.3.1 异质图的正交矩阵分解算法 | 第26页 |
| 3.4 实验部分 | 第26-28页 |
| 3.4.1 数据集 | 第26-27页 |
| 3.4.2 相关性评估方法 | 第27页 |
| 3.4.3 实验结果 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于异质图正交矩阵分解模型的应用 | 第29-46页 |
| 4.1 新闻与社交媒体的链接任务 | 第29-40页 |
| 4.1.1 简介 | 第29-32页 |
| 4.1.2 跨媒体信息链接任务的流程图设计 | 第32-33页 |
| 4.1.3 数据集 | 第33-34页 |
| 4.1.4 实验分析 | 第34-40页 |
| 4.2 基于异质图正交矩阵分解模型的新闻摘要任务 | 第40-44页 |
| 4.2.1 简介 | 第40页 |
| 4.2.2 任务描述 | 第40页 |
| 4.2.3 相关性和多样性概述 | 第40-42页 |
| 4.2.4 评价标准及数据集 | 第42页 |
| 4.2.5 评估分析 | 第42-43页 |
| 4.2.6 对比结果分析 | 第43-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间参加的科研项目与取得的科研成果 | 第53-54页 |
| 致谢 | 第54-55页 |