| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究目的和意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 课题研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状简析 | 第14页 |
| 1.3 本文研究内容及章节安排 | 第14-17页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 本文章节安排 | 第15-17页 |
| 第2章 语料库的构建 | 第17-19页 |
| 2.1 电商领域相关语料的收集 | 第17-18页 |
| 2.2 标注规则 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 两种通用的中文关键词提取方法 | 第19-30页 |
| 3.1 Textrank算法 | 第19-20页 |
| 3.2 基于LSTM分类模型的关键词提取方法 | 第20-27页 |
| 3.2.1 RNN | 第21-23页 |
| 3.2.2 LSTM | 第23-25页 |
| 3.2.3 利用LSTM分类模型提取关键词 | 第25-27页 |
| 3.3 实验结果与分析 | 第27-29页 |
| 3.3.1 实验方法与数据 | 第27-28页 |
| 3.3.2 实验评价指标 | 第28页 |
| 3.3.3 实验结果及分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于RNN序列标注模型的关键词提取方法 | 第30-46页 |
| 4.1 Word2vec | 第30页 |
| 4.2 基于RNN序列标注模型的关键词提取技术 | 第30-33页 |
| 4.3 基于BILSTM序列标注模型的关键词提取算法 | 第33-35页 |
| 4.4 利用大粒度分词词典进行关键词提取 | 第35-36页 |
| 4.5 加入attention机制后的BILSTM序列标注模型 | 第36-38页 |
| 4.6 实验结果与分析 | 第38-45页 |
| 4.6.1 实验设置 | 第38页 |
| 4.6.2 实验结果与分析 | 第38-45页 |
| 4.7 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 个人简历 | 第53页 |