基于改进HMM下自动摘要的生成
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 Web新闻文本自动摘要生成中的相关技术 | 第15-34页 |
| 2.1 摘要的概念 | 第15-19页 |
| 2.1.1 摘要的分类 | 第15-16页 |
| 2.1.2 自动摘要的生成方法 | 第16-19页 |
| 2.1.3 自动摘要生成技术难点 | 第19页 |
| 2.2 网页预处理 | 第19-25页 |
| 2.2.1 web新闻页面 | 第19-20页 |
| 2.2.2 提取正文文本 | 第20-23页 |
| 2.2.3 中文自动分词 | 第23-24页 |
| 2.2.4 基于TF-IDF的词频统计方法 | 第24-25页 |
| 2.3 隐马尔科夫模型的建模原理及主要算法 | 第25-33页 |
| 2.3.1 隐马尔可夫模型 | 第25-28页 |
| 2.3.2 前向算法 | 第28-29页 |
| 2.3.3 Viterbi算法 | 第29-31页 |
| 2.3.4 前向-后向算法 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 隐马尔可夫模型的自动摘要生成设计 | 第34-47页 |
| 3.1 概述 | 第34-35页 |
| 3.2 与句子特征相结合的HMM | 第35-38页 |
| 3.2.1 句子特征表示 | 第36-37页 |
| 3.2.2 模型参数估计 | 第37-38页 |
| 3.2.3 摘要句的选取 | 第38页 |
| 3.3 改进HMM及其相关算法 | 第38-45页 |
| 3.3.1 改进观察状态的释放 | 第39-41页 |
| 3.3.2 改进的模型参数学习 | 第41-42页 |
| 3.3.3 改进HMM中的Viterbi算法 | 第42-43页 |
| 3.3.4 案例分析 | 第43-45页 |
| 3.4 HMM模型中的参数平滑 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 HMM模型在web新闻网页中生成自动摘要 | 第47-61页 |
| 4.1 开发背景及开发环境 | 第47页 |
| 4.2 数据的获取与分析 | 第47-48页 |
| 4.3 基于HMM的自动摘要的生成 | 第48-55页 |
| 4.3.1 实验整体设计 | 第48-49页 |
| 4.3.2 网页预处理模块 | 第49-52页 |
| 4.3.3 中文分词 | 第52-53页 |
| 4.3.4 词频统计 | 第53-55页 |
| 4.4 生成摘要的实验及结果分析 | 第55-60页 |
| 4.4.1 摘要的评价 | 第55-56页 |
| 4.4.2 压缩比的选取 | 第56页 |
| 4.4.3 验证HMM的有效性 | 第56-58页 |
| 4.4.4 改进HMM生成自动摘要的质量评估 | 第58-60页 |
| 4.5 文章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 研究工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间的主要学术活动和研究成果 | 第66页 |
