| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 自动标引技术研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 自动标引技术的国外研究情况 | 第10-13页 |
| 1.2.2 自动标引技术国内研究现状 | 第13-15页 |
| 1.3 本文具体研究内容与构成章节 | 第15-17页 |
| 第2章 自动标引技术和相关概念 | 第17-30页 |
| 2.1 自动标引技术应用 | 第17-19页 |
| 2.2 自动标引主体的界定 | 第19-22页 |
| 2.2.1 自动标引主体相关概念 | 第19-22页 |
| 2.2.2 自动标引主体的界定 | 第22页 |
| 2.3 自动标引的最基本流程 | 第22-26页 |
| 2.4 中文分词研究 | 第26-29页 |
| 2.4.1 基于字符串匹配分词算法 | 第26-27页 |
| 2.4.2 基于统计的分词法 | 第27-28页 |
| 2.4.3 基于理解的分词方法 | 第28页 |
| 2.4.4 混合方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 生成候选关键短语集的改进方法 | 第30-44页 |
| 3.1 识别候选短语的相关研究 | 第30-32页 |
| 3.1.1 基于n-gram法的研究情况 | 第30-32页 |
| 3.1.2 基于POS序列法的研究情况 | 第32页 |
| 3.2 通过核心单词来定位候选短语 | 第32-35页 |
| 3.2.1 核心单词集法提出的思路 | 第32-33页 |
| 3.2.2 核心单词与关键短语的关系 | 第33-34页 |
| 3.2.3 核心单词集的获取 | 第34-35页 |
| 3.3 候选关键短语的形成算法 | 第35-43页 |
| 3.3.1 基于n-gram法得到核心单词及潜在候选短语 | 第35-36页 |
| 3.3.2 核心单词前拓展树算法的基本思路 | 第36-39页 |
| 3.3.3 后拓展树算法 | 第39页 |
| 3.3.4 算法测试运行结果 | 第39-42页 |
| 3.3.5 前(后)拓展树算法与基于n-gram法的比较分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于TF-IDF统计法自动抽取关键词的改进多特征融合法 | 第44-51页 |
| 4.1 基于词汇分布特征统计自动抽取关键词的研究方法 | 第44-47页 |
| 4.1.1 词频统计标引法(绝对频率加权法) | 第45-46页 |
| 4.1.2 加权统计标引法 | 第46-47页 |
| 4.2 基于TF-IDF的多特征融合算法 | 第47-49页 |
| 4.2.1 TF-IDF算法公式的改进 | 第48页 |
| 4.2.2 词性特征 | 第48-49页 |
| 4.2.3 位置特征 | 第49页 |
| 4.3 基于TF-IDF多特征融合算法的改进 | 第49-50页 |
| 4.3.1 互信息 | 第49-50页 |
| 4.3.2 改进的多特征融合算法 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 改进的多特征融合算法数值实验 | 第51-58页 |
| 5.1 实验过程 | 第51-55页 |
| 5.1.1 算法流程 | 第51页 |
| 5.1.2 算法的具体实现 | 第51-54页 |
| 5.1.3 实验安排 | 第54-55页 |
| 5.2 实验结果分析 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 主要工作和创新点 | 第58-59页 |
| 6.2 未来的研究工作 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 硕士学攻读位期间发表论文及参与项目情况 | 第64-65页 |
| 致谢 | 第65页 |
