| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-14页 |
| ·课题的背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·课题研究目标及研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 多文档自动文摘及相关技术介绍 | 第14-21页 |
| ·主题划分技术 | 第14-16页 |
| ·文本聚类技术 | 第16-18页 |
| ·文章单元聚类技术 | 第16-17页 |
| ·聚类文档的聚类技术 | 第17页 |
| ·常用的文本聚类算法 | 第17-18页 |
| ·多文档主题分析 | 第18-20页 |
| ·多文档主题形成分析 | 第19-20页 |
| ·主题分析对于自动文摘结果改善的讨论 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 自动确定阈值的文章主题段落划分 | 第21-28页 |
| ·基于阈值自动发现的主题划分 | 第21-23页 |
| ·段落的主题相似度以及阈值自动发现 | 第23-25页 |
| ·段落的主题相似度 | 第23-24页 |
| ·相似度阈值的自动发现 | 第24-25页 |
| ·语义段落边界的发现 | 第25-26页 |
| ·试验设计与结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 K-means 文档聚类中心点选择方法改进 | 第28-35页 |
| ·文本聚类研究分析 | 第28-29页 |
| ·基于子图划分的中心点选择 | 第29-30页 |
| ·聚类实现过程 | 第30-32页 |
| ·聚类前期处理工作 | 第30-31页 |
| ·算法处理 | 第31-32页 |
| ·算法时间复杂度分析 | 第32页 |
| ·实验结果 | 第32-34页 |
| ·数据集的选择和评价标准 | 第32-33页 |
| ·结果评价和分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 多文档自动文摘的主题分析 | 第35-47页 |
| ·多文档的主题分析 | 第35-37页 |
| ·基于词频重要性的语义段落排序 | 第35页 |
| ·基于语义段落相关度的段落排序 | 第35-36页 |
| ·基于语义段落聚类的语义段落排序 | 第36-37页 |
| ·Manifold 跟聚类结合的主题形成方法 | 第37-41页 |
| ·算法思想介绍 | 第37-38页 |
| ·算法过程描述 | 第38-40页 |
| ·主题描述向量的建立 | 第40页 |
| ·语义段落抽取方法 | 第40-41页 |
| ·算法的实现 | 第41页 |
| ·评测方法及实验结果 | 第41-46页 |
| ·两种主题划分方法的划分结果 | 第42页 |
| ·压缩比一定时的文摘的评测结果 | 第42-44页 |
| ·压缩比不同时的试验结果 | 第44-45页 |
| ·主题划分方法对多文档文摘的影响 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 文摘生成与评价 | 第47-52页 |
| ·文摘句子的抽取 | 第47页 |
| ·多文档自动文摘句子抽取 | 第47页 |
| ·多文档文摘句子的排序方式 | 第47页 |
| ·文摘句子的优化 | 第47-48页 |
| ·本文的实验结果 | 第48-51页 |
| ·基于句子聚类的多文档文摘 | 第48-49页 |
| ·基于主题分析的多自动文摘 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间取得的学术成果 | 第58-59页 |
| 致谢 | 第59页 |