中文文本主题关键短语提取算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 基于规则 | 第8-9页 |
| 1.2.2 基于语义 | 第9-10页 |
| 1.2.3 基于统计 | 第10-11页 |
| 1.3 研究内容与创新 | 第11页 |
| 1.4 论文组织结构 | 第11页 |
| 1.5 本章小结 | 第11-13页 |
| 2 相关理论技术概述 | 第13-27页 |
| 2.1 主题模型概述 | 第13-16页 |
| 2.1.1 LSI模型 | 第13-15页 |
| 2.1.2 pLSI主题模型 | 第15-16页 |
| 2.1.3 LDA主题模型 | 第16页 |
| 2.2 LDA主题模型 | 第16-22页 |
| 2.2.1 LDA主题模型介绍 | 第16-21页 |
| 2.2.2 LDA主题模型求解 | 第21-22页 |
| 2.3 KERT算法思想 | 第22-25页 |
| 2.3.1 KERT算法步骤 | 第22-23页 |
| 2.3.2 KERT算法关键技术介绍 | 第23-24页 |
| 2.3.3 KERT算法不足与改进 | 第24-25页 |
| 2.4 评价标准 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 中文文本主题关键短语提取算法 | 第27-51页 |
| 3.1 算法框架 | 第27页 |
| 3.2 文本数据预处理 | 第27-30页 |
| 3.2.1 中文分词 | 第28-29页 |
| 3.2.2 去除停词 | 第29-30页 |
| 3.3 文本聚类 | 第30-35页 |
| 3.3.1 LDA主题模型文本建模过程 | 第30-33页 |
| 3.3.2 LDA主题模型参数估计 | 第33-34页 |
| 3.3.3 结果说明 | 第34-35页 |
| 3.4 频繁短语发现算法 | 第35-41页 |
| 3.4.1 短语合并技术 | 第35-36页 |
| 3.4.2 频繁短语发现算法 | 第36-41页 |
| 3.5 候选短语排序算法优化 | 第41-50页 |
| 3.5.1 排序函数构造 | 第41-45页 |
| 3.5.2 排序算法优化 | 第45-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4 实证研究 | 第51-63页 |
| 4.1 实验数据及预处理 | 第51-52页 |
| 4.2 实验过程 | 第52-60页 |
| 4.2.1 LDA主题模型聚类过程 | 第52-54页 |
| 4.2.2 频繁短语发现过程 | 第54-56页 |
| 4.2.3 候选关键短语排序 | 第56-60页 |
| 4.3 实验结果分析 | 第60-62页 |
| 4.3.1 结果对比及评估 | 第60-62页 |
| 4.3.2 本文实验结果分析 | 第62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 本文主要研究成果 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
| 攻读硕士研究生期间所获奖励 | 第71页 |
