基于文本聚类的客户细分方法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-14页 |
| ·选题背景和理论意义 | 第8-9页 |
| ·选题背景 | 第8页 |
| ·理论意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究内容与方法 | 第11-12页 |
| ·研究内容 | 第11-12页 |
| ·研究方法 | 第12页 |
| ·论文框架 | 第12-14页 |
| 第2章 相关理论概述 | 第14-25页 |
| ·聚类相关知识 | 第14-16页 |
| ·聚类的概念 | 第14页 |
| ·主要的聚类算法 | 第14-16页 |
| ·文本聚类相关知识 | 第16-17页 |
| ·文本聚类的概念 | 第16页 |
| ·文本聚类存在的问题及改进 | 第16-17页 |
| ·文本聚类关键技术 | 第17-24页 |
| ·数据预处理 | 第17-19页 |
| ·特征词权重计算 | 第19-20页 |
| ·文本表示模型 | 第20-21页 |
| ·文本相似度计算 | 第21-22页 |
| ·聚类分析 | 第22-23页 |
| ·评价指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于文本聚类的特征选择方法研究 | 第25-38页 |
| ·引言 | 第25-26页 |
| ·相关工作 | 第26-28页 |
| ·改进的基于信息增益的特征选择降维方法 | 第28-31页 |
| ·基于文本聚类改进的信息增益方法 | 第28-29页 |
| ·基于信息增益改进的特征选择方法 | 第29-31页 |
| ·实验及其分析 | 第31-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于语义的主成分文本聚类算法 | 第38-48页 |
| ·引言 | 第38-39页 |
| ·相关工作 | 第39-43页 |
| ·同义词词林相关介绍 | 第39-40页 |
| ·PCA 原理与步骤 | 第40-43页 |
| ·基于语义主成分降维的 k-means 聚类 | 第43-45页 |
| ·实验及其分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于文本聚类的客户细分方法设计 | 第48-55页 |
| ·基于信息增益方法客户评论过滤 | 第48-51页 |
| ·数据获取 | 第48-49页 |
| ·特征选择 | 第49-50页 |
| ·k-means 聚类选择可用文本集 | 第50-51页 |
| ·基于文本聚类的客户细分方法 | 第51-54页 |
| ·基于语义的 PCA 降维处理 | 第51-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62-63页 |
| 详细摘要 | 第63-67页 |
