摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 双语新闻话题演化的研究现状 | 第11-13页 |
1.3 本文研究内容 | 第13页 |
1.4 论文的组织 | 第13-16页 |
第二章 新闻话题演化的相关技术 | 第16-24页 |
2.1 话题的结构模型 | 第16-18页 |
2.1.1 话题内部结构分析 | 第16-17页 |
2.1.2 话题结构模型的建立 | 第17-18页 |
2.2 新闻话题演化的任务 | 第18-20页 |
2.2.1 话题演化的任务分析 | 第19-20页 |
2.2.2 跨语言话题演化 | 第20页 |
2.3 话题演化的相关技术 | 第20-22页 |
2.3.1 特征提取 | 第20-21页 |
2.3.2 相似度的计算方法 | 第21-22页 |
2.4 本章小结 | 第22-24页 |
第三章 基于超图的汉越双语的新闻话题要素提取 | 第24-34页 |
3.1 汉越双语新闻话题要素的定义 | 第24页 |
3.2 汉越双语新闻话题要素提取研究现状 | 第24-25页 |
3.3 汉越新闻事件要素的建立 | 第25-26页 |
3.4 基于超图的新闻话题要素提取算法 | 第26-29页 |
3.4.1 构建超图模型 | 第26-27页 |
3.4.2 结点和超边的权重计算 | 第27-28页 |
3.4.3 基于超图的随机游走 | 第28-29页 |
3.5 实验结果与分析 | 第29-32页 |
3.5.1 实验数据 | 第29页 |
3.5.2 评价方法 | 第29页 |
3.5.3 结果分析 | 第29-32页 |
3.6 总结 | 第32-34页 |
第四章 基于子话题关联的汉越双语话题演化分析 | 第34-48页 |
4.1 话题演化的定义 | 第34-35页 |
4.2 各个时间片段内子话题的抽取 | 第35-37页 |
4.2.1 基于k-means算法的初始子话题发现 | 第35-36页 |
4.2.2 基于knn算法的单遍聚类方法 | 第36-37页 |
4.3 汉越双语新闻子话题要素提取 | 第37-39页 |
4.4 汉越双语子话题关联的话题演化算法 | 第39-42页 |
4.4.1 汉越双语子话题相似性度量 | 第39-40页 |
4.4.2 汉越双语子话题关联分析 | 第40-42页 |
4.5 实验分析 | 第42-45页 |
4.5.1 实验数据 | 第42页 |
4.5.2 BaseLine方法 | 第42页 |
4.5.3 实验结果与分析 | 第42-45页 |
4.6 本章小结 | 第45-48页 |
第五章 汉越双语话题演化原型系统的设计 | 第48-54页 |
5.1 原型系统环境 | 第48页 |
5.2 系统架构 | 第48-49页 |
5.3 系统核心部分的实现 | 第49-52页 |
5.3.1 汉越话题要素提取 | 第50页 |
5.3.2 各时间片段内的子话题发现 | 第50-51页 |
5.3.3 话题演化分析 | 第51-52页 |
5.4 本章小结 | 第52-54页 |
第六章 总结与展望 | 第54-56页 |
6.1 总结 | 第54-55页 |
6.2 展望 | 第55-56页 |
致谢 | 第56-58页 |
参考文献 | 第58-64页 |
附录A 攻读硕士学位期间发表论文 | 第64-66页 |
附录B 攻读硕士学位期间发表软件著作权 | 第66页 |