新闻话题表示模型和关联追踪技术研究
| 中文摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-34页 |
| ·背景 | 第14-17页 |
| ·问题来源 | 第14-15页 |
| ·发展历史 | 第15-17页 |
| ·重要概念 | 第17页 |
| ·研究任务 | 第17-20页 |
| ·评价方法 | 第20-23页 |
| ·研究现状分析 | 第23-29页 |
| ·表示模型 | 第24-27页 |
| ·相似度计算 | 第27-28页 |
| ·相似度整合 | 第28页 |
| ·关键问题和难点 | 第28-29页 |
| ·本文主要工作 | 第29-31页 |
| ·本文结构 | 第31-34页 |
| 第二章 话题关联识别中的表示模型分析 | 第34-54页 |
| ·新闻报道分析 | 第34-37页 |
| ·多向量表示模型的构建 | 第37-40页 |
| ·预处理 | 第38页 |
| ·特征选取 | 第38-40页 |
| ·特征权重计算 | 第40页 |
| ·多向量表示模型的使用 | 第40-45页 |
| ·相似度计算 | 第40-42页 |
| ·模糊匹配 | 第42-43页 |
| ·多个相似度整合 | 第43-45页 |
| ·实验及讨论 | 第45-53页 |
| ·话题关联识别流程 | 第46页 |
| ·实验数据 | 第46页 |
| ·实验结果及分析 | 第46-53页 |
| ·小结 | 第53-54页 |
| 第三章 话题关联识别中的信息扩充技术 | 第54-72页 |
| ·问题描述 | 第54-55页 |
| ·相关工作 | 第55-56页 |
| ·动态扩充技术 | 第56-57页 |
| ·动态扩充信息 | 第57-60页 |
| ·摘要信息 | 第58页 |
| ·名实体 | 第58-59页 |
| ·依存信息 | 第59页 |
| ·精化策略 | 第59-60页 |
| ·实验及讨论 | 第60-70页 |
| ·实验数据 | 第60页 |
| ·实验结果及分析 | 第60-70页 |
| ·小结 | 第70-72页 |
| 第四章 基于动态话题模型的话题追踪 | 第72-94页 |
| ·话题漂移实例分析 | 第72-74页 |
| ·相关工作 | 第74-77页 |
| ·基于话题的权重计算方法 | 第77-78页 |
| ·动态话题模型 | 第78-81页 |
| ·基于相关样本更新 | 第79-80页 |
| ·基于无关样本更新 | 第80-81页 |
| ·实验及讨论 | 第81-93页 |
| ·话题追踪流程 | 第81-82页 |
| ·实验数据 | 第82页 |
| ·实验结果及分析 | 第82-93页 |
| ·小结 | 第93-94页 |
| 第五章 基于联合追踪方法的话题追踪 | 第94-108页 |
| ·问题描述 | 第94-95页 |
| ·相关工作 | 第95页 |
| ·联合追踪 | 第95-99页 |
| ·基于关联特征的追踪方法 | 第95-97页 |
| ·基于已知相关信息的追踪方法 | 第97页 |
| ·联合追踪方法 | 第97-99页 |
| ·实验及讨论 | 第99-105页 |
| ·实验数据 | 第99页 |
| ·实验结果及分析 | 第99-105页 |
| ·小结 | 第105-108页 |
| 第六章 结论与展望 | 第108-112页 |
| ·本文总结 | 第108-109页 |
| ·下一步展望 | 第109-112页 |
| 致谢 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 作者在学期间取得的学术成果 | 第124-125页 |
| 附录A ICTCLAS 词性标注集 | 第125-126页 |
| 附录B 停用词集 | 第126-129页 |
| 附录C TDT4 中文语料相关信息 | 第129-131页 |
