| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 多文档自动摘要相关技术 | 第17-27页 |
| 2.1 多文档自动摘要技术概述 | 第17-19页 |
| 2.2 相关概念及主要技术 | 第19-23页 |
| 2.2.1 分词 | 第19-21页 |
| 2.2.2 词性标注 | 第21页 |
| 2.2.3 相似度计算 | 第21-22页 |
| 2.2.4 摘要句抽取 | 第22-23页 |
| 2.2.5 摘要句排序 | 第23页 |
| 2.3 评测方法 | 第23-24页 |
| 2.4 基于语义层次聚类的多文档自动摘要 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于语义词典的多文档预处理 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 基本概念 | 第27-28页 |
| 3.3 语义词典 | 第28-31页 |
| 3.3.1 WordNet | 第28-29页 |
| 3.3.2 知网 | 第29-31页 |
| 3.4 词义消歧 | 第31-36页 |
| 3.4.1 词义消歧方法概述 | 第31-32页 |
| 3.4.2 词义相似度 | 第32-35页 |
| 3.4.3 词义消歧算法 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于语义层次聚类的子主题发现 | 第37-48页 |
| 4.1 引言 | 第37-38页 |
| 4.2 词语聚类分析 | 第38-42页 |
| 4.2.1 聚类分析 | 第38-39页 |
| 4.2.2 词语聚类分析的必要性 | 第39页 |
| 4.2.3 词语聚类算法 | 第39-42页 |
| 4.3 句子向量空间模型 | 第42-45页 |
| 4.3.1 向量空间模型 | 第42-43页 |
| 4.3.2 基于布尔函数的方法 | 第43页 |
| 4.3.3 基于词频的方法 | 第43-44页 |
| 4.3.4 基于 TF-IDF 的方法 | 第44页 |
| 4.3.5 语义概念向量 | 第44-45页 |
| 4.4 句子聚类分析 | 第45-47页 |
| 4.4.1 句子聚类算法 | 第45页 |
| 4.4.2 改进的句子聚类算法 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于信息重要度的摘要句抽取及排序 | 第48-51页 |
| 5.1 引言 | 第48页 |
| 5.2 子主题排序 | 第48-49页 |
| 5.3 摘要句抽取 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 实验结果及分析 | 第51-64页 |
| 6.1 英文语料数据集 | 第51页 |
| 6.2 评测方法 | 第51-53页 |
| 6.2.1 ROUGE-N | 第51页 |
| 6.2.2 ROUGE-L | 第51-52页 |
| 6.2.3 ROUGE-W | 第52-53页 |
| 6.3 英文语料实验效果及分析 | 第53-60页 |
| 6.3.1 算法参数 | 第53-55页 |
| 6.3.2 与基于 LDA 主题模型的多文档摘要方法效果比较 | 第55-56页 |
| 6.3.3 与 DUC 2004 参赛系统效果比较 | 第56-58页 |
| 6.3.4 新闻多文档自动摘要效果 | 第58-60页 |
| 6.4 中文语料实验数据集 | 第60页 |
| 6.5 中文语料实验效果及分析 | 第60-63页 |
| 6.6 本章小结 | 第63-64页 |
| 总结与展望 | 第64-67页 |
| 本文总结 | 第64-65页 |
| 研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |