基于共现词的改进LSA模型及主题词抽取方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 文本预处理 | 第17-23页 |
| 2.1 中文分词 | 第17-21页 |
| 2.1.1 分词算法 | 第17-20页 |
| 2.1.2 分词组件 | 第20-21页 |
| 2.2 停用词处理 | 第21页 |
| 2.3 本章小结 | 第21-23页 |
| 第3章 文本模型表示 | 第23-35页 |
| 3.1 模型选择 | 第23-25页 |
| 3.2 词项权重计算 | 第25-28页 |
| 3.2.1 经典TF-IDF算法 | 第25-26页 |
| 3.2.2 改进的TF-IDF算法 | 第26-28页 |
| 3.3 共现词的信息量 | 第28-32页 |
| 3.3.1 词共现现象 | 第28-29页 |
| 3.3.2 计算共现词的信息量 | 第29-32页 |
| 3.4 基于共现词的模型表示 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于LSA和k-means的主题词提取 | 第35-42页 |
| 4.1 潜在语义分析 | 第35-36页 |
| 4.2 SVD的分解 | 第36-40页 |
| 4.2.1 SVD的数学理论 | 第36-37页 |
| 4.2.2 SVD的物理意义 | 第37-40页 |
| 4.3 主题词提取 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验与原型系统设计 | 第42-49页 |
| 5.1 实验配置 | 第42-44页 |
| 5.1.1 实验环境 | 第42页 |
| 5.1.2 数据集 | 第42-43页 |
| 5.1.3 参数设置 | 第43页 |
| 5.1.4 评价指标 | 第43-44页 |
| 5.2 原型系统设计 | 第44-45页 |
| 5.3 实验结果分析 | 第45-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 本文总结 | 第49-50页 |
| 6.2 未来展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的学术成果 | 第56-57页 |
| 致谢 | 第57页 |
