中文短文本自动摘要算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.3 本文创新点 | 第11-12页 |
| 1.4 本文章节组织 | 第12-14页 |
| 第二章 研究现状分析 | 第14-21页 |
| 2.1 短文本自动摘要算法 | 第14-16页 |
| 2.2 基于聚类的短文本自动摘要算法 | 第16-20页 |
| 2.2.1 聚类算法 | 第16-18页 |
| 2.2.2 短文本相似度算法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于词权重和语义的短文本相似度算法 | 第21-37页 |
| 3.1 问题建模 | 第21页 |
| 3.2 Word2Vec词向量模型 | 第21-25页 |
| 3.2.1 Word2Vec模型简介 | 第21-22页 |
| 3.2.2 Word2Vec模型构建 | 第22-25页 |
| 3.3 词权重 | 第25-32页 |
| 3.3.1 词权重计算方法 | 第26-28页 |
| 3.3.2 词权重算法流程 | 第28-30页 |
| 3.3.3 词权重算法实验 | 第30-32页 |
| 3.4 短文本相似度 | 第32-36页 |
| 3.4.1 短文本相似度计算方法 | 第33-34页 |
| 3.4.2 短文本相似度算法流程 | 第34-35页 |
| 3.4.3 短文本相似度算法实验 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于密度峰值的短文本聚类算法及摘要抽取 | 第37-46页 |
| 4.1 基于密度峰值的短文本聚类算法 | 第37-43页 |
| 4.1.1 基于密度峰值的短文本聚类方法 | 第38-40页 |
| 4.1.2 短文本聚类算法流程 | 第40-41页 |
| 4.1.3 短文本聚类算法实验 | 第41-43页 |
| 4.2 短文本摘要提取 | 第43-45页 |
| 4.2.1 短文本摘要提取方法 | 第43-44页 |
| 4.2.2 短文本摘要提取流程 | 第44-45页 |
| 4.2.3 短文本摘要提取实验 | 第45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 结论 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 参与科研项目成果 | 第53-54页 |
| 后记 | 第54页 |
