| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 文本特征的研究现状 | 第10-11页 |
| 1.2.2 话题模型的研究现状 | 第11-14页 |
| 1.3 本文的研究工作和内容安排 | 第14-15页 |
| 1.4 本文的创新点 | 第15-16页 |
| 2 概率话题模型综述 | 第16-27页 |
| 2.1 基本概念 | 第16页 |
| 2.2 一元模型与一元混合模型 | 第16-17页 |
| 2.3 概率潜在语义分析 | 第17-19页 |
| 2.4 潜在狄利克雷分配模型 | 第19-22页 |
| 2.5 关联话题模型 | 第22-23页 |
| 2.6 动态话题模型 | 第23-24页 |
| 2.7 实验及结果分析 | 第24-26页 |
| 2.8 本章小结 | 第26-27页 |
| 3 引入名词短语的话题提取算法 | 第27-38页 |
| 3.1 名词短语提取的流程 | 第27-28页 |
| 3.2 词性标注 | 第28-30页 |
| 3.2.1 基于规则的词性标注方法 | 第28-29页 |
| 3.2.2 基于转换的错误驱动学习方法 | 第29页 |
| 3.2.3 基于统计的词性标注方法 | 第29-30页 |
| 3.2.4 基于规则和统计相结合的词性标注方法 | 第30页 |
| 3.3 句子语法结构分析 | 第30-32页 |
| 3.3.1 基于上下文无关文法(CFG)规则的分析方法 | 第30-31页 |
| 3.3.2 基于概率上下文无关文法(FCFG)规则的分析方法 | 第31-32页 |
| 3.4 实验及结果分析 | 第32-36页 |
| 3.4.1 实验设计 | 第33-34页 |
| 3.4.2 实验结果及分析 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 基于词条权重的话题提取算法 | 第38-49页 |
| 4.1 基于评估函数的词条权重计算方法 | 第38-40页 |
| 4.2 基于语义网络的词条权重计算方法 | 第40-45页 |
| 4.2.1 基于网络连通性和聚集性的词条权重计算方法 | 第41-43页 |
| 4.2.2 基于概率转移的权重计算方法 | 第43-45页 |
| 4.3 实验结果及分析 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 5 实验及结果分析 | 第49-60页 |
| 5.1 实验语料库 | 第49页 |
| 5.2 实验设计 | 第49-50页 |
| 5.3 实验结果及分析 | 第50-54页 |
| 5.3.1 话题呈现 | 第50-51页 |
| 5.3.2 话题模型性能分析 | 第51-54页 |
| 5.4 话题强度计算 | 第54-59页 |
| 5.4.1 基于话题支持文档数量进行话题强度计算 | 第55-57页 |
| 5.4.2 基于语料库中话题概率的话题强度计算 | 第57-58页 |
| 5.4.3 基于文本话题显著性的话题强度计算 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
