基于主题划分的中文单文档自动文摘系统的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-11页 |
| ·自动文摘的研究方法 | 第11-13页 |
| ·基于统计的方法 | 第11页 |
| ·基于理解的方法 | 第11-12页 |
| ·基于信息抽取的方法 | 第12页 |
| ·基于结构的方法 | 第12-13页 |
| ·单文档自动文摘研究存在的问题 | 第13页 |
| ·本文的主要工作及内容组织 | 第13-16页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的内容组织 | 第14-16页 |
| 第二章 文本的表示 | 第16-22页 |
| ·段落表示 | 第16页 |
| ·句子表示 | 第16-19页 |
| ·分句 | 第16-18页 |
| ·句子权值的计算 | 第18-19页 |
| ·词语表示 | 第19-22页 |
| ·分词 | 第19-20页 |
| ·去停用词(stop words) | 第20页 |
| ·词语权值的计算 | 第20-22页 |
| 第三章 文本主题的划分 | 第22-34页 |
| ·主题划分的必要性 | 第22页 |
| ·主题划分的相关研究 | 第22-24页 |
| ·基于相邻段落相似度的方法 | 第22-23页 |
| ·基于TextTiling算法的主题划分 | 第23-24页 |
| ·聚类算法简介 | 第24-26页 |
| ·层次聚类方法 | 第24页 |
| ·划分聚类方法 | 第24-26页 |
| ·改进K-means算法 | 第26-29页 |
| ·K值的确定 | 第26-28页 |
| ·初始聚类中心的选择 | 第28-29页 |
| ·基于改进K-means算法的文本主题划分 | 第29-34页 |
| ·段落向量空间模型的建立 | 第29-31页 |
| ·文本主题的划分 | 第31-34页 |
| 第四章 摘要的生成 | 第34-42页 |
| ·粗摘要句的抽取 | 第34-35页 |
| ·粗摘要句的优化 | 第35-38页 |
| ·使用规则对文本进行连贯性加工 | 第36-37页 |
| ·去除冗余句 | 第37页 |
| ·去除非陈述性句子 | 第37-38页 |
| ·去除特殊词语 | 第38页 |
| ·对句子进行排序 | 第38页 |
| ·摘要生成算法 | 第38-42页 |
| 第五章 系统的实现及实验分析 | 第42-54页 |
| ·系统总体结构 | 第42-43页 |
| ·部分代码实现 | 第43-45页 |
| ·实例 | 第45-49页 |
| ·实验结果及分析 | 第49-54页 |
| ·主题划分的结果及分析 | 第49-50页 |
| ·摘要生成的结果及分析 | 第50-54页 |
| 第六章 结束语 | 第54-56页 |
| ·结论 | 第54页 |
| ·下一步工作 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读学位期间发表论文及参与项目 | 第60-61页 |
| 附录2 摘要文本正文 | 第61页 |
