| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·文本匹配研究的背景和意义 | 第8-9页 |
| ·本文要解决的问题 | 第9-10页 |
| ·本文组织结构 | 第10-11页 |
| 第二章 相关研究工作概述 | 第11-25页 |
| ·多次表达介绍 | 第11-16页 |
| ·多词表达的特性 | 第12页 |
| ·多词表达的分类 | 第12-14页 |
| ·汉语中的多词表达 | 第14-16页 |
| ·多词表达的研究特点 | 第16页 |
| ·多次表达的抽取算法介绍 | 第16-21页 |
| ·主要抽取模型 | 第17-20页 |
| ·主要模型间比较 | 第20-21页 |
| ·文本匹配算法介绍 | 第21-25页 |
| 第三章 基于多词表达的文本表示 | 第25-31页 |
| ·基于内部信息的多词表达抽取算法 | 第25-28页 |
| ·LLR算法公式介绍 | 第25-27页 |
| ·LLR算法的阈值 | 第27-28页 |
| ·基于外部信息的多词表达抽取算法 | 第28-29页 |
| ·LRE左右熵算法公式介绍 | 第28-29页 |
| ·LRE算法的阈值 | 第29页 |
| ·LLR算法与LRE算法的结合 | 第29-30页 |
| ·基于多词表达的文本表示 | 第30-31页 |
| 第四章 基于最小编辑距离的文本匹配算法 | 第31-46页 |
| ·串集合相似度和文本相似度 | 第31-32页 |
| ·基于MED的集合相似度 | 第31-32页 |
| ·文本相似度 | 第32页 |
| ·文本匹配实验系统 | 第32-34页 |
| ·系统流程 | 第32-33页 |
| ·系统框图 | 第33-34页 |
| ·系统实验与分析 | 第34-46页 |
| ·实验评价指标 | 第34-35页 |
| ·训练预料和测试语料、预处理 | 第35-37页 |
| ·多词表达抽取:LLR算法阈值训练实验 | 第37-42页 |
| ·多词表达抽取:LRE算法阈值训练实验 | 第42-43页 |
| ·基于MED的串集合相似度与传统余弦距离算法对比实验 | 第43-45页 |
| ·实验分析总结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| ·本文工作总结 | 第46页 |
| ·下一步研究方向 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-61页 |
| 致谢 | 第61-62页 |
| 作者攻读学位期间发表的学术论文目录 | 第62页 |