基于排序主题模型的自动文摘及评价系统
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景及意义 | 第11-14页 |
| ·选题背景 | 第11-13页 |
| ·论意义和应用价值 | 第13-14页 |
| ·国内外研究情况综述 | 第14-15页 |
| ·论文主要工作和组织结构 | 第15-16页 |
| 第2章 相关理论概述 | 第16-35页 |
| ·自动文摘 | 第16-21页 |
| ·文摘的分类 | 第16-18页 |
| ·单文档自动摘要的基本方法 | 第18-20页 |
| ·多文档自动摘要的基本方法 | 第20-21页 |
| ·主题模型 | 第21-26页 |
| ·主题模型介绍 | 第22-25页 |
| ·其他主题模型 | 第25-26页 |
| ·自动文摘评价方法 | 第26-29页 |
| ·文摘评价方法分类 | 第26-28页 |
| ·主流评价方法介绍 | 第28-29页 |
| ·几种常见的特征选择方法 | 第29-33页 |
| ·信息熵 | 第30页 |
| ·χ~2统计 | 第30-31页 |
| ·期望交叉熵 | 第31页 |
| ·单词熵 | 第31页 |
| ·单词权 | 第31-32页 |
| ·单词贡献度 | 第32-33页 |
| ·众包 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于特征选择的排序主题模型算法 | 第35-45页 |
| ·主题模型LDA | 第35-36页 |
| ·LDA简介 | 第35页 |
| ·LDA的生成过程及图模型表示 | 第35-36页 |
| ·主题数目 | 第36页 |
| ·基于特征相似度的主题排序模型算法 | 第36-39页 |
| ·特征对之间的相异度指标计算方法 | 第36-38页 |
| ·基于特征相似度的排序主题模型算法 | 第38-39页 |
| ·实验设计及结果 | 第39-44页 |
| ·数据集描述 | 第39页 |
| ·数据集预处理 | 第39-40页 |
| ·实验内容及结果 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于互信息最大生成树算法的排序主题模型 | 第45-55页 |
| ·互信息最大生成树算法 | 第45-48页 |
| ·互信息 | 第45-46页 |
| ·最大生成树 | 第46-47页 |
| ·基于互信息最大生成树算法的排序主题模型描述 | 第47-48页 |
| ·实验设计及结果 | 第48-54页 |
| ·数据集预处理 | 第48页 |
| ·实验内容及结果分析 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于众包策略的自动文摘评价系统 | 第55-63页 |
| ·微信公众平台 | 第55-57页 |
| ·实验设计内容及结果分析 | 第57-63页 |
| ·实验背景及数据集 | 第57-58页 |
| ·实验内容 | 第58-60页 |
| ·实验结果及分析 | 第60-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·文章总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
