| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究意义与研究现状 | 第10-13页 |
| 1.1.1 研究意义 | 第10-12页 |
| 1.1.2 研究现状 | 第12-13页 |
| 1.2 本文主要工作 | 第13-14页 |
| 1.3 本文组织结构 | 第14-16页 |
| 第二章 特征提取常用模型 | 第16-35页 |
| 2.1 空间向量模型 | 第16-17页 |
| 2.2 主题模型 | 第17-21页 |
| 2.2.1 主题模型简介 | 第17-19页 |
| 2.2.2 Gibbs抽样求解 | 第19-21页 |
| 2.3 文档分布式表达 | 第21-34页 |
| 2.3.1 经典神经网络语言模型构建 | 第21-23页 |
| 2.3.2 词向量 | 第23-30页 |
| 2.3.3 文档分布式表达 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 科技文献聚类中特征提取算法研究 | 第35-54页 |
| 3.1 科技文献结构分析 | 第35-36页 |
| 3.2 科技文献聚类中特征提取算法整体方案 | 第36-39页 |
| 3.2.1 文档分布式表达的适用性 | 第36-38页 |
| 3.2.2 基于文档分布式表达的科技文献特征提取算法 | 第38页 |
| 3.2.3 基于文档分布式表达的改进型科技文献特征提取算法 | 第38-39页 |
| 3.3 标题、关键词、作者+机构的特征提取 | 第39-42页 |
| 3.3.1 短文本预处理 | 第40-41页 |
| 3.3.2 短文本建模 | 第41-42页 |
| 3.4 摘要、参考文献的特征提取 | 第42-44页 |
| 3.4.1 长文本预处理 | 第42-43页 |
| 3.4.2 特征降维 | 第43-44页 |
| 3.4.3 长文本建模 | 第44页 |
| 3.5 特征融合 | 第44-45页 |
| 3.6 结果分析 | 第45-53页 |
| 3.6.1 实验评估与指标 | 第45-46页 |
| 3.6.2 语料整理 | 第46-48页 |
| 3.6.3 参数设置 | 第48-51页 |
| 3.6.4 实验结果与分析 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第四章 科技文献特征提取算法在科研服务平台中的应用 | 第54-66页 |
| 4.1 系统体系结构 | 第54-56页 |
| 4.2 数据采集 | 第56-63页 |
| 4.2.1 数据采集基础框架 | 第56-57页 |
| 4.2.2 中文文献采集 | 第57-58页 |
| 4.2.3 英文文献采集 | 第58-60页 |
| 4.2.4 项目采集 | 第60-62页 |
| 4.2.5 常见问题及解决方案 | 第62-63页 |
| 4.3 科技文献的聚类 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 在校期间发表论文 | 第72页 |
