摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第13-25页 |
1.1 课题研究背景和意义 | 第13-14页 |
1.2 文本摘要研究现状 | 第14-20页 |
1.2.1 重要语义内容提取 | 第15-17页 |
1.2.1.1 传统语义文本摘要方法 | 第15-16页 |
1.2.1.2 AMR图的文本摘要 | 第16-17页 |
1.2.2 冗余信息去除 | 第17-18页 |
1.2.3 摘要语义结构完善 | 第18页 |
1.2.4 摘要质量描述和评价指标 | 第18-20页 |
1.2.4.1 质量描述 | 第18-19页 |
1.2.4.2 评价指标 | 第19-20页 |
1.3 问题提出 | 第20-21页 |
1.4 本章主要内容和组织结构 | 第21-23页 |
1.4.1 主要内容 | 第21-23页 |
1.4.2 组织结构 | 第23页 |
1.5 本章小结 | 第23-25页 |
第二章 基于加权AMR图的语义摘要子图算法 | 第25-37页 |
2.1 引言 | 第25页 |
2.2 基于加权AMR图的语义摘要子图算法 | 第25-30页 |
2.2.1 构建AMR总图 | 第26-28页 |
2.2.2 基于统计特征抽取语义摘要子图 | 第28-29页 |
2.2.3 基于稀疏自编码器的统计特征融合 | 第29-30页 |
2.3 实验数据集和评价指标 | 第30-31页 |
2.4 实验结果与分析 | 第31-34页 |
2.4.1 语义摘要算法比较 | 第31-32页 |
2.4.2 摘要压缩率对摘要质量的影响 | 第32-33页 |
2.4.3 利用融合特征对摘要质量的影响 | 第33-34页 |
2.4.4 利用AMR总图结构对摘要质量的影响 | 第34页 |
2.5 本章小结 | 第34-37页 |
第三章 基于AMR图的语义冗余信息过滤算法 | 第37-49页 |
3.1 引言 | 第37页 |
3.2 Word Net语义词典 | 第37-38页 |
3.2.1 Word Net概述 | 第37页 |
3.2.2 Word Net词典的语义关系 | 第37-38页 |
3.3 基于AMR图融合的方法过滤语义冗余信息 | 第38-43页 |
3.3.1 语义冗余性 | 第39页 |
3.3.2 基于Word Net语义词典衡量语义冗余性 | 第39-41页 |
3.3.2.1 基于Word Net计算语义相似度 | 第40-41页 |
3.3.2.2 利用综合语义相似度衡量语义冗余性 | 第41页 |
3.3.3 利用AMR图过滤语义冗余信息 | 第41-43页 |
3.4 实验结果与分析 | 第43-47页 |
3.4.1 去冗余操作的有效性验证 | 第43-44页 |
3.4.2 相似度阈值对摘要质量的影响 | 第44-45页 |
3.4.3 去冗余算法的性能比较 | 第45-47页 |
3.5 本章小结 | 第47-49页 |
第四章 基于ILP重构AMR图结构的语义摘要算法 | 第49-63页 |
4.1 引言 | 第49-50页 |
4.2 数据预处理 | 第50-52页 |
4.2.1 解析生成AMR总图 | 第51页 |
4.2.2 基于统计特征抽取语义摘要子图 | 第51页 |
4.2.3 基于AMR图融合过滤语义冗余信息 | 第51-52页 |
4.3 基于ILP重构AMR图结构的语义摘要算法 | 第52-54页 |
4.3.1 确定目标函数 | 第52-53页 |
4.3.2 确定约束条件 | 第53-54页 |
4.4 实验结果与分析 | 第54-60页 |
4.4.1 实验数据集和摘要评价指标 | 第54-55页 |
4.4.2 摘要子图重构效果验证 | 第55-57页 |
4.4.3 ILP方法对摘要质量的影响 | 第57页 |
4.4.4 摘要子图边数L对摘要质量的影响 | 第57-58页 |
4.4.5 语义摘要算法性能对比分析 | 第58-59页 |
4.4.6 与深度学习算法的比较 | 第59-60页 |
4.5 本章小结 | 第60-63页 |
第五章 总结与展望 | 第63-65页 |
5.1 总结 | 第63页 |
5.2 本章创新及主要贡献 | 第63-64页 |
5.3 下一步研究工作展望 | 第64-65页 |
致谢 | 第65-67页 |
参考文献 | 第67-73页 |
作者简历 | 第73页 |