| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-13页 |
| 1.2.1 文本聚类算法综述 | 第10-11页 |
| 1.2.2 大数据文本聚类算法 | 第11-12页 |
| 1.2.3 文本聚类算法应用 | 第12-13页 |
| 1.3 本文研究的内容 | 第13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第二章 文本聚类及其相关问题 | 第15-21页 |
| 2.1 文本聚类的概念 | 第15页 |
| 2.2 文本特征表示 | 第15-16页 |
| 2.2.1 向量空间模型 | 第15-16页 |
| 2.2.2 其他方法 | 第16页 |
| 2.3 文本相似度和聚类质量评价 | 第16-19页 |
| 2.3.1 文本相似度 | 第16页 |
| 2.3.2 聚类质量评价指标 | 第16-19页 |
| 2.4 几种相关的文本聚类方法 | 第19-20页 |
| 2.5 文本聚类的应用 | 第20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 基于小世界网络优化初始质心选择 | 第21-28页 |
| 3.1 文本表示 | 第21-22页 |
| 3.2 小世界网络 | 第22页 |
| 3.3 基于小世界网络优化初始质心选择的方法 | 第22-24页 |
| 3.4 实验分析 | 第24-26页 |
| 3.5 本章小结 | 第26-28页 |
| 第四章 基于网络分解的文本聚类方法 | 第28-38页 |
| 4.1 文本的网络表示模型 | 第28页 |
| 4.2 面向文本聚类的网络分解原理 | 第28-31页 |
| 4.3 基于网络分解的文本聚类算法及其性能 | 第31-32页 |
| 4.4 实验分析 | 第32-37页 |
| 4.4.1 设置阈值λ | 第32-34页 |
| 4.4.2 比较基于网络分解的聚类算法和二分k均值算法 | 第34-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 基于HADOOP的网络分解聚类算法的并行实现及在大数据聚类中的应用 | 第38-49页 |
| 5.1 HADOOP平台介绍 | 第38-41页 |
| 5.1.1 Hadoop平台的发展过程 | 第38页 |
| 5.1.2 Hadoop的架构 | 第38-41页 |
| 5.2 基于HADOOP的并行网络分解聚类算法的实现 | 第41-45页 |
| 5.2.1 分布式网络分解文本聚类算法的总体设计 | 第41页 |
| 5.2.2 分布式网络分解文本聚类算法过程各部分的设计与实现 | 第41-45页 |
| 5.3 基于HADOOP分布式并行网络分解聚类算法在大数据聚类中的应用 | 第45-48页 |
| 5.3.1 应用环境 | 第45-46页 |
| 5.3.2 应用结果分析 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 全文总结 | 第49页 |
| 6.2 主要贡献和创新之处 | 第49-50页 |
| 6.3 下一步的研究工作 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间参加的科研项目 | 第57页 |
| 攻读硕士学位期间发表的学术论文 | 第57页 |
