| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景与意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 主要存在问题 | 第13页 |
| 1.4 主要研究工作 | 第13-14页 |
| 1.5 论文结构 | 第14-16页 |
| 第2章 相关理论和技术 | 第16-24页 |
| 2.1 文本摘要一般算法流程 | 第16页 |
| 2.2 文本摘要主要特征 | 第16-19页 |
| 2.2.1 词汇级别的文本特征 | 第17-18页 |
| 2.2.2 句子级别的文本特征 | 第18-19页 |
| 2.2.3 段落级别的文本特征 | 第19页 |
| 2.3 文本摘要结果的评价体系 | 第19-20页 |
| 2.4 文本摘要已有机器学习方法概述 | 第20-22页 |
| 2.4.1 支持向量机回归 | 第21页 |
| 2.4.2 多层感知神经网络 | 第21-22页 |
| 2.5 马尔可夫链 | 第22页 |
| 2.6 流形排序算法(Manifold Ranking) | 第22-24页 |
| 第3章 基于左归处理的文本摘要算法 | 第24-32页 |
| 3.1 左归处理 | 第24页 |
| 3.2 左归处理的文本摘要算法框架 | 第24-27页 |
| 3.2.1 文本预处理 | 第25-26页 |
| 3.2.2 文摘特征提取 | 第26页 |
| 3.2.3 特征权重融合计算 | 第26-27页 |
| 3.2.4 重要内容判断与文摘生成 | 第27页 |
| 3.3 实验与分析 | 第27-32页 |
| 3.3.1 实验数据 | 第27-28页 |
| 3.3.2 评价标准 | 第28页 |
| 3.3.3 实验结果与分析 | 第28-32页 |
| 第4章 左归潜在场景分析算法(LAPS) | 第32-40页 |
| 4.1 左归潜在场景分析算法框架 | 第32-36页 |
| 4.1.1 文本预处理 | 第33-34页 |
| 4.1.2 潜在场景构建 | 第34-35页 |
| 4.1.3 潜在场景全局重要度求解 | 第35-36页 |
| 4.1.4 内容重要度计算 | 第36页 |
| 4.1.5 重要内容判断与文摘生成 | 第36页 |
| 4.2 实验与分析 | 第36-40页 |
| 4.2.1 数据集 | 第36-37页 |
| 4.2.2 评价标准 | 第37页 |
| 4.2.3 实验结果与分析 | 第37-40页 |
| 第5章 基于流形排序的左归全特征潜在场景分析算法 | 第40-54页 |
| 5.1 基于流形排序的左归全特征潜在场景分析算法框架 | 第40-44页 |
| 5.1.1 文本预处理 | 第41-42页 |
| 5.1.2 潜在场景构建与全特征融合 | 第42页 |
| 5.1.3 基于流形排序的潜在场景重要度全局求解 | 第42-43页 |
| 5.1.4 内容重要度两次融合计算 | 第43-44页 |
| 5.1.5 重要内容判定与文摘生成 | 第44页 |
| 5.2 实验与分析 | 第44-54页 |
| 5.2.1 数据集 | 第44页 |
| 5.2.2 评价标准 | 第44页 |
| 5.2.3 实验与分析 | 第44-54页 |
| 第6章 总结与展望 | 第54-58页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 未来工作展望 | 第55-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间公开发表的论文 | 第66页 |