摘要 | 第4-6页 |
abstract | 第6-8页 |
第1章 绪论 | 第12-20页 |
1.1 本文的研究背景和意义 | 第12-14页 |
1.1.1 本文研究的背景 | 第12页 |
1.1.2 “标题党”新闻现象产生的原因 | 第12-13页 |
1.1.3 “标题党”新闻的危害 | 第13页 |
1.1.4 本文研究的目的与意义 | 第13-14页 |
1.2 文本相似度计算国内外研究现状 | 第14-16页 |
1.2.1 文本相似度计算的国外研究现状 | 第14-15页 |
1.2.2 文本相似度计算的国内研究现状 | 第15-16页 |
1.3 本文的研究思路 | 第16页 |
1.4 本文的主要内容与贡献 | 第16-18页 |
1.5 本文的章节安排 | 第18-20页 |
第2章 基于文本分析相似度的研究 | 第20-30页 |
2.1 文本分析的实现过程 | 第20-23页 |
2.1.1 文本预处理 | 第20-21页 |
2.1.2 文本特征表示 | 第21页 |
2.1.3 文本表示模型 | 第21页 |
2.1.4 文本的特征选择 | 第21-22页 |
2.1.5 文本相似度计算 | 第22页 |
2.1.6 文本相似度计算的性能评估 | 第22-23页 |
2.2 文本相似度的概念 | 第23页 |
2.2.1 文本相似度的定义 | 第23页 |
2.2.2 文本相似度计算的作用 | 第23页 |
2.3 基于VSM的余弦相似度计算 | 第23-25页 |
2.4 基于《知网》(HowNet)文本相似度的计算 | 第25-27页 |
2.5 “标题党”新闻识别方法 | 第27页 |
2.6 存在问题分析 | 第27-28页 |
2.7 本章小结 | 第28-30页 |
第3章 改进型VSM-HowNet融合相似度算法的研究 | 第30-40页 |
3.1 改进型VSM结合余弦相似度的文本相似度计算方法 | 第30-35页 |
3.2 《知网》(HowNet)文本相似度计算方法 | 第35-36页 |
3.3 融合相似度算法计算文本相似度 | 第36-37页 |
3.4 融合相似度算法和王氏相似度方法新闻比例的研究 | 第37-38页 |
3.5 融合相似度算法和王氏相似度方法中新闻数据集的研究 | 第38-39页 |
3.6 本章小结 | 第39-40页 |
第4章 实验研究 | 第40-47页 |
4.1 实验平台和语料库 | 第40-42页 |
4.1.1 实验平台 | 第40页 |
4.1.2 “标题党”新闻类型分类依据表 | 第40-41页 |
4.1.3 实验目的和实验语料库 | 第41-42页 |
4.2 本文对准确率、召回率、F1值及总准确率的计算公式 | 第42-43页 |
4.3 实验内容及实验过程 | 第43-45页 |
4.3.1 融合相似度算法和王氏方法在不同新闻比例下的对比 | 第43-44页 |
4.3.2 融合相似度算法和王氏方法随机抽取数据集的对比 | 第44页 |
4.3.3 《知网》(HowNet)方法和王氏相似度方法的对比 | 第44页 |
4.3.4 改进型VSM结合余弦相似度方法与王氏相似度方法的对比 | 第44-45页 |
4.3.5 融合相似度算法和其他文本相似度计算方法的对比 | 第45页 |
4.4 本章小结 | 第45-47页 |
第5章 实验结果及分析 | 第47-78页 |
5.1 王氏相似度计算方法的局限性结果与分析 | 第47-51页 |
5.1.1 融合相似度算法和王氏方法在不同新闻比例下的对比 | 第47-49页 |
5.1.2 融合相似度算法和王氏计算方法在随机新闻数据集中的对比 | 第49-51页 |
5.2 改进型VSM-HowNet融合相似度算法实验结果与分析 | 第51-77页 |
5.2.1 《知网》(HowNet)方法与王氏文本相似度方法的对比 | 第51-58页 |
5.2.2 改进型VSM方法与王氏主题-词形相似度方法的对比 | 第58-65页 |
5.2.3 改进型VSM-HowNet融合相似度算法实验结果与实验分析. | 第65-73页 |
5.2.4 四种文本相似度计算方法的综合比较 | 第73-77页 |
5.3 本章小结 | 第77-78页 |
第6章 结论与展望 | 第78-81页 |
6.1 本文的工作总结 | 第78-79页 |
6.2 下一步的工作展望 | 第79-81页 |
参考文献 | 第81-86页 |
致谢 | 第86页 |