| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 复述识别 | 第13-14页 |
| 1.2.2 复述抽取 | 第14-16页 |
| 1.2.3 复述生成 | 第16页 |
| 1.2.4 复述应用 | 第16-17页 |
| 1.3 本文主要研究内容及贡献 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-19页 |
| 第二章 相关理论与关键技术 | 第19-30页 |
| 2.1 复述识别 | 第19-22页 |
| 2.1.1 符号象征理论 | 第19-20页 |
| 2.1.2 语法句法相似理论 | 第20页 |
| 2.1.3 机器学习理论 | 第20-21页 |
| 2.1.4 规则解码理论 | 第21-22页 |
| 2.2 复述识别方法的评测 | 第22-23页 |
| 2.3 云模型简要介绍 | 第23-27页 |
| 2.3.1 自然语言不确定性问题 | 第23-24页 |
| 2.3.2 云模型的定义及性质 | 第24页 |
| 2.3.3 云模型数字特征 | 第24-26页 |
| 2.3.4 定性定量转换 | 第26-27页 |
| 2.4 相关词群扩展方法 | 第27-29页 |
| 2.4.1 基于信息熵的相似度量方法 | 第27-28页 |
| 2.4.2 基于语义空间间隔距离的相似度量方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于多层传统句子特征的复述识别方法 | 第30-40页 |
| 3.1 问题引出 | 第30-31页 |
| 3.2 句子特征的获取 | 第31-35页 |
| 3.2.1 句子的词法特征获取 | 第31-33页 |
| 3.2.2 句子的词法相似性 | 第33页 |
| 3.2.3 句子的句法特征获取 | 第33-35页 |
| 3.2.4 句法相似度计算 | 第35页 |
| 3.3 基于多层句子特征的复述识别 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.4.1 实验语料及评价指标 | 第36-37页 |
| 3.4.2 参数估计 | 第37-38页 |
| 3.4.3 结果分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于概念数字特征的复述句对识别方法 | 第40-70页 |
| 4.1 问题引出 | 第40-41页 |
| 4.2 基于传统语义扩展的复述识别方法 | 第41-42页 |
| 4.3 概念数字特征的生成 | 第42-43页 |
| 4.4 基于云模型数字特征的句子复述识别 | 第43-47页 |
| 4.5 语句数字特征的生成 | 第47-48页 |
| 4.6 基于概念跃升的句子复述识别 | 第48-53页 |
| 4.7 云模型方法有效性分析 | 第53-55页 |
| 4.8 云概念跃升方法有效性分析 | 第55-58页 |
| 4.8.1 云概念跃升与云模型一致性分析 | 第55-56页 |
| 4.8.2 云概念跃升方法有效性推理 | 第56-58页 |
| 4.9 实验与结果分析 | 第58-68页 |
| 4.9.1 实验语料及评价指标 | 第58页 |
| 4.9.2 参数估计 | 第58-59页 |
| 4.9.3 云模型方法与传统语义扩展方法结果对比 | 第59-63页 |
| 4.9.4 云概念跃升方法与云模型方法结果对比 | 第63-67页 |
| 4.9.5 云概念跃升方法与其他方法结果比较 | 第67页 |
| 4.9.6 案例分析 | 第67-68页 |
| 4.10 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-73页 |
| 5.1 总结 | 第70-71页 |
| 5.2 进一步工作 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间公开发表的学术论文与参加的科研项H | 第79-80页 |
| 致谢 | 第80页 |