文档介绍：上海大学
硕士学位论文
基于小世界理论的中文关键词自动抽取与标引
姓名:洪晓韵
申请学位级别:硕士
专业:情报学
指导教师:山石
20050101
摘要关键词:“小世界”现象源于社会学家谑攀兰土甏择呕嵬绲分析。近年来,随着隨纫慌Ъ遥锢硌Ъ掖丛煨缘亟飧社会学概念构建了数学模型,小世界网络己成为探索复杂网络拓扑结构等基础研究领域的一个新的理论视角。大量研究发现,无论是人造网络还是自然网络,都普遍存在小世界网络的结构特征。若用特征路径长度￡和集团化系数纯袒丛油缦低持懈鹘诘慵的平均距离与类聚特征,可以证明,小世界网络有着较短的特征路径长度和较高的集团化系数,能较好地反跌现实社会网络特征,有助于我们深入探讨网络结构对网络功能的影响,因此,“小世界”理论一经提出,就在各个领域激起了广泛的研究热潮。但在情报学领域,应用小世界网络结构特征和属性进行文献信息的自动处理还前所未有。基于前人的理论基础,作者在深入研究了小世界网络及复杂网络的基本理论后,创造性地将小世界理论引入情报科学领域,主张从网络结构的几何特征来分析中文词汇的语义网络,并以数值模拟证明了该网络具有小世界网络的特征,有利于我们应用该特征进行中文关键词的自动抽取与标引。众所周知,关键词以其灵活、易用的特点成为网络时代最重要的情报检索语言,它既是情报存储的标识,又是情报检索的依据。因此,关键词抽取与标引的质量直接影响信息检索的效率。作者通过分析网络关键词的幂律分布规律,提出以词汇对文献网络结构的贡献度作为提取关键词的衡量标准,突破小世界网络理论的物理意义,建立了以文献语义的小世界网络为基础的关键词自动抽取与标引的方法。实验发现,用该方法抽取的关键词更直观地揭示了文献的中心思想与重要概念,深度挖掘了文献潜在的知识内涵,若用它们作为表达文本知识的标识,则在一定程度上可改善集中式搜索引擎的全文检索质量,提高查准率。因此,能满足网络时代情报用户对网络信息检索的要求,有广泛的适应性与应用前景。小世界网络萋晒丶食槿⌒畔⒆远共现网络=执笱‘学位论文
’曲甒甌獁,.,’,淘人学彤学位义琸“.,..儿·.
,甮.,,甒琣,;笱Я拇āQ宦垡
图表目录图捷径数Ⅳ对网络节点问平均距离坼,的影响⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图表耐缃峁故疽馔肌图各个领域的复杂网络结构图⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.幽细胞构成的层次金字塔⋯⋯.⋯.⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一年到年第一季度章脊赜谛∈澜缤绲难芯柯畚氖俊圈随机网络模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.⋯.⋯.⋯.⋯⋯⋯..图小世界网络的构造过程⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图断键重连概率酝缃峁沟挠跋臁图小世界模型.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯.⋯⋯⋯,~图单句的词汇共现网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图搜索引擎前龉丶实乃阉鞔势捣植纪肌图搜狐搜索引擎前龉丶实乃阉鞔势捣植纪迹图百度搜索引擎前个关键词的搜索词频分布图⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯丶阋瞥酝缣卣髀肪冻ざ缺浠氖纠图字符串”中国人民”的无环有向词图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯幽“断键重连”和“添加长键”形成词汇共现网络的过程示例图。⋯⋯⋯⋯⋯⋯.幽《中国贸促会会长俞晓松:》例文的词汇共现网络部分图示⋯图幂律—分布示意图⋯⋯⋯⋯⋯.⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,⋯随机网络拔薇甓取蓖纭标准小世界模型的节点搜索成本⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯图按蚊菟ゼ醯慕岬悖贝卸喔霾煌嗬氲乃婊印幽网络的病毒传播情况图⋯表三种小世界网络⋯⋯表滞绲氖卣髯芙帷虸娜纭!藓统肌值⋯表滞绲娜ň钟刖植啃时冉献芙表中文文献的小世界特征⋯⋯⋯⋯.表川方法抽取的关键词表⋯⋯表刚.,方法抽取关键词列表⋯⋯⋯削禾幽圈一维点阵模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图环状规则模型⋯⋯⋯⋯.⋯,⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯幽转化模§图图普通网络图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯.⋯.⋯..⋯⋯剀泊松分布示意圈⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯表表拘≈平缋砺鄢槿〉墓丶时恚表媸低绲男∈澜缧вζ健薇甓忍卣鞅海人学坝宦凼⋯.
签名:——日期导师签名:尘∑原创性声明本论文使用授权说明本人声明:所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。C艿穆畚脑诮饷芎笥ψ袷卮斯娑签名日期本人完全了解上海大学有关保留、使用学位论文的规