首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于查询扩展的信息抽取技术研究及应用

中文摘要第1-5页
Abstract第5-10页
第一章 绪论第10-18页
   ·研究背景与意义第10-14页
     ·关于信息抽取第11-13页
     ·信息抽取与信息检索第13-14页
   ·本文的研究目标第14-15页
   ·课题的主要研究内容第15-16页
   ·本文结构第16-18页
第二章 相关工作及系统框架第18-34页
   ·查询扩展技术第18-21页
     ·全局分析(Globe Analysis)第18-19页
     ·局部分析(Local Analysis)第19-20页
     ·基于词表的查询扩展第20页
     ·基于语义概念的查询扩展第20-21页
   ·信息抽取概述第21-25页
     ·信息抽取的主要方法第21-23页
     ·信息抽取应用研究现状第23-25页
   ·其他相关研究第25-28页
     ·面向查询的多文档文摘第25-26页
     ·话题识别与跟踪第26-27页
     ·聚类分析第27-28页
       ·聚类分析的定义第27页
       ·聚类方法的分类第27-28页
   ·系统框架第28-29页
   ·关键技术第29-31页
     ·主题信息查询扩展第29-30页
     ·主题信息抽取第30页
     ·冗余消除及层次化显示第30-31页
   ·评价方法第31-33页
   ·本章小结第33-34页
第三章 面向Web 主题的关键词查询扩展方法第34-43页
   ·问题提出第34-35页
   ·主题关键词查询扩展模型第35-38页
     ·模型描述第35-36页
     ·主题关键词扩展第36-37页
     ·关键词组合查询第37-38页
       ·迭代查询扩展算法第38页
   ·实验及结果分析第38-42页
     ·实验设计第38-39页
     ·实验结果及分析第39-42页
   ·本章小结第42-43页
第四章 基于可信度计算的主题句抽取及层次化显示第43-62页
   ·引言第43-44页
   ·LDA 模型第44-46页
   ·LDA 模型主题句抽取第46-50页
     ·问题提出第46-47页
     ·主题句抽取框架第47-48页
     ·Gibbs 抽样第48-49页
     ·主题句可信度计算第49-50页
   ·主题信息层次化显示第50-54页
     ·主题句相似度计算第51页
     ·AP 聚类第51-53页
     ·信息比评价第53-54页
   ·实验及结果分析第54-61页
     ·实验设计第54-55页
     ·实验分析第55-61页
       ·评测方法第55-56页
       ·实验结果及分析第56-61页
   ·本章小结第61-62页
第五章 总结和展望第62-64页
   ·本文总结第62-63页
   ·未来工作第63-64页
参考文献第64-69页
攻读硕士学位期间公开发表的论文第69-70页
致谢第70-71页

论文共71页,点击 下载论文
上一篇:基于中间件的科技查新辅助检索系统的设计与实现
下一篇:基于动态自适应语言模型的手机中文输入系统的研究与实现