抽取式多文档文摘的文本表示研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-30页 |
| ·研究背景和研究意义 | 第14-16页 |
| ·研究背景 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·研究现状 | 第16-26页 |
| ·自动文摘的分类 | 第17-21页 |
| ·自动文摘系统的评价方法 | 第21-22页 |
| ·国际相关会议 | 第22-23页 |
| ·国内研究进展 | 第23页 |
| ·现有文摘系统 | 第23-25页 |
| ·现存问题 | 第25-26页 |
| ·本文主要的研究内容 | 第26-27页 |
| ·论文的组织结构 | 第27-30页 |
| 2 抽取式多文档文摘概述 | 第30-44页 |
| ·基本流程框架 | 第31-39页 |
| ·预处理 | 第31页 |
| ·文本表示 | 第31-32页 |
| ·句子分析与提取 | 第32-38页 |
| ·文摘生成 | 第38-39页 |
| ·文摘内容完整性的自动测评方法 | 第39-43页 |
| ·以整句为单位的测评方法 | 第39页 |
| ·以单词为单位的测评方法 | 第39-42页 |
| ·以语义单元为单位的测评方法 | 第42-43页 |
| ·多文档文摘数据集 | 第43页 |
| ·本章小结 | 第43-44页 |
| 3 基于主题表示的多文档文摘方法 | 第44-62页 |
| ·概述 | 第44-45页 |
| ·概率主题模型介绍 | 第45-52页 |
| ·PLSA | 第46-48页 |
| ·LDA | 第48-50页 |
| ·PAM | 第50-52页 |
| ·基于主题表示的多文档文摘系统流程 | 第52-55页 |
| ·预处理 | 第53页 |
| ·单词的主题估计 | 第53-54页 |
| ·句子的主题表示 | 第54页 |
| ·主题权重计算 | 第54页 |
| ·句子重要度计算 | 第54-55页 |
| ·文摘生成 | 第55页 |
| ·实验结果及分析 | 第55-58页 |
| ·主题模型选择 | 第55-56页 |
| ·句子主题向量表示法的可行性 | 第56-57页 |
| ·背景训练法效果验证 | 第57-58页 |
| ·系统比较 | 第58页 |
| ·本章小结 | 第58-62页 |
| 4 基于维基概念表示的多文档文摘方法 | 第62-86页 |
| ·概述 | 第62-64页 |
| ·维基概念相关介绍 | 第64-72页 |
| ·维基百科介绍 | 第64-68页 |
| ·自动维基化 | 第68-72页 |
| ·基于维基的文摘方法 | 第72页 |
| ·基于维基概念表示的多文档文摘系统流程 | 第72-77页 |
| ·预处理 | 第73页 |
| ·概念获取 | 第73-74页 |
| ·概念权重计算 | 第74-75页 |
| ·句子的概念表示 | 第75页 |
| ·句子特征计算 | 第75-76页 |
| ·句子重要度计算 | 第76-77页 |
| ·文摘生成 | 第77页 |
| ·实验结果及分析 | 第77-82页 |
| ·特征独立比较 | 第77-78页 |
| ·参数调整 | 第78-80页 |
| ·系统观察与比较 | 第80-82页 |
| ·本章小结 | 第82-86页 |
| 5 基于监督的多文档文摘自动去噪器 | 第86-102页 |
| ·概述 | 第86-87页 |
| ·相关工作 | 第87-88页 |
| ·基于监督的多文档文摘自动去噪器生成流程 | 第88-92页 |
| ·训练数据集的文本表示 | 第88-89页 |
| ·训练数据集的自动标注 | 第89页 |
| ·训练数据集的特征提取 | 第89-91页 |
| ·训练集的生成 | 第91页 |
| ·自动去噪器的获得 | 第91-92页 |
| ·自动去噪器监督学习流程 | 第92页 |
| ·实验结果及分析 | 第92-98页 |
| ·分类算法的选择 | 第92-94页 |
| ·自动去噪器在文摘系统中的评测 | 第94-98页 |
| ·本章小结 | 第98-102页 |
| 6 结论与展望 | 第102-105页 |
| ·本文工作总结 | 第102-103页 |
| ·展望 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间发表的学术论文 | 第115-118页 |
| 学位论文数据集 | 第118页 |
