| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 文本向量化表示 | 第13-14页 |
| 1.2.2 文本相似度计算 | 第14-16页 |
| 1.2.3 文本自动摘要 | 第16-17页 |
| 1.3 论文研究内容 | 第17-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第2章 短文本特征提取及相似度计算 | 第21-42页 |
| 2.1 短文本的特点 | 第21-22页 |
| 2.2 短文本表示模型 | 第22-25页 |
| 2.2.1 布尔模型 | 第22-23页 |
| 2.2.2 向量空间模型 | 第23-24页 |
| 2.2.3 概率模型 | 第24-25页 |
| 2.3 短文本特征提取 | 第25-31页 |
| 2.3.1 基于TF-IDF的短文本统计特征提取算法及其优化 | 第25-26页 |
| 2.3.2 基于Word2Vec的语义特征提取 | 第26-29页 |
| 2.3.3 融合TF-ICF和Word2Vec的短文本特征提取算法研究 | 第29-31页 |
| 2.4 短文本相似度计算 | 第31-36页 |
| 2.5 短文本分类 | 第36页 |
| 2.6 实验及结果分析 | 第36-40页 |
| 2.6.1 数据集及预处理 | 第36-37页 |
| 2.6.2 评价指标 | 第37页 |
| 2.6.3 利用三类相似度计算方法进行短文本分类实验 | 第37-38页 |
| 2.6.4 TF-ICF算法和TF-IDF算法短文本分类对比实验 | 第38页 |
| 2.6.5 基于加权算法的短文本分类对比实验 | 第38-40页 |
| 2.7 本章小结 | 第40-42页 |
| 第3章 短文本自动摘要研究 | 第42-57页 |
| 3.1 自动文档摘要 | 第42-46页 |
| 3.1.1 自动文档摘要的定义及难点 | 第42-43页 |
| 3.1.2 自动文档摘要的分类 | 第43-44页 |
| 3.1.3 自动文档摘要的方法 | 第44-45页 |
| 3.1.4 自动文档摘要的评价 | 第45-46页 |
| 3.2 TextRank 算法 | 第46-53页 |
| 3.2.1 PageRank 算法 | 第46-49页 |
| 3.2.2 基于TextRank的自动文摘 | 第49-53页 |
| 3.2.3 TextRank 算法存在的问题 | 第53页 |
| 3.3 基于TextRank算法的自动文本摘要实验 | 第53-56页 |
| 3.3.1 实验数据集 | 第53-54页 |
| 3.3.2 TextRank算法生成事件摘要 | 第54-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 TextRank自动摘要的改进算法研究 | 第57-64页 |
| 4.1 改进算法的基本框架 | 第57-58页 |
| 4.2 重构边权关系 | 第58-59页 |
| 4.3 短文本权重调整 | 第59-61页 |
| 4.4 冗余度控制 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 基于TextRank的改进算法的对比实验 | 第64-75页 |
| 5.1 自动摘要评测方法 | 第64-66页 |
| 5.1.1 自动评测方法 | 第64-66页 |
| 5.1.2 人工评测方法 | 第66页 |
| 5.2 实验内容 | 第66页 |
| 5.3 实验结果及分析 | 第66-74页 |
| 5.3.1 参数调节 | 第66-69页 |
| 5.3.2 本文算法抽取摘要结果 | 第69-71页 |
| 5.3.3 基于TextRank的四种算法评测 | 第71-72页 |
| 5.3.4 本文算法与文献算法Rouge评测 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第82页 |
| 一、攻读学位期间发表的论文 | 第82页 |
