| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·背景、目的和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的主要工作、创新点和研究意义 | 第14-15页 |
| ·本文的主要工作 | 第14页 |
| ·本文的主要创新点 | 第14-15页 |
| ·论文的研究意义 | 第15页 |
| ·论文的组织结构 | 第15-18页 |
| 第二章 文本相似性判别概述 | 第18-30页 |
| ·文本相似性判别的基本概念 | 第18页 |
| ·文本相似性判别流程 | 第18-21页 |
| ·文本预处理 | 第19页 |
| ·文本特征提取 | 第19-20页 |
| ·文本相似性判别 | 第20-21页 |
| ·文本相似性判别的相关技术 | 第21-30页 |
| ·中文文本分词技术 | 第21-22页 |
| ·文本特征提取算法 | 第22-24页 |
| ·主题词表构建方法 | 第24-25页 |
| ·文本相似性计算模型 | 第25-30页 |
| 第三章 二维特征集合概述 | 第30-34页 |
| ·二维特征集合相关概念 | 第30-32页 |
| ·二维特征集合的定义 | 第30-31页 |
| ·二维特征集合的现实意义 | 第31-32页 |
| ·二维特征集合的存储形式 | 第32-34页 |
| 第四章 多特征主题词表的研究与实现 | 第34-46页 |
| ·文本多特征提取的基本条件 | 第34-35页 |
| ·多特征提取算法 | 第35-40页 |
| ·TF 特征(Term Frequency) | 第35页 |
| ·DF 特征(Document Frequency) | 第35-36页 |
| ·TF-IDF 特征(Term Frequency & Inverse Document Frequency) | 第36页 |
| ·信息熵(Information Entropy) | 第36-37页 |
| ·词频分布熵(Term Distribution Entropy) | 第37-38页 |
| ·文本分布熵(Document Distribution Entropy) | 第38页 |
| ·Pearson 相关系数(Pearson Correlation Coefficient) | 第38-39页 |
| ·词条分布权值(Term Distribution Function) | 第39-40页 |
| ·多特征主题词表设计实现 | 第40-46页 |
| ·多特征主题词表生成系统组成模块 | 第40页 |
| ·词表生成系统的工作流程 | 第40-41页 |
| ·性能测试与分析 | 第41-46页 |
| 第五章 多特征文本相似性判别研究与实现 | 第46-52页 |
| ·多特征文本相似性判别系统组成模块 | 第46页 |
| ·多特征文本相似性判别流程 | 第46-47页 |
| ·性能测试与分析 | 第47-52页 |
| ·系统开发运行环境 | 第47页 |
| ·实验数据及数据存储 | 第47-48页 |
| ·文本相似性判别方法 | 第48-50页 |
| ·实验结果分析 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·全文总结 | 第52页 |
| ·进一步研究设想 | 第52-53页 |
| ·心得体会 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 附录 | 第60页 |
