基于VSM扩展算法和经典聚类算法的Web挖掘研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 本文研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要内容 | 第11-12页 |
| 第2章 文本挖掘概述 | 第12-23页 |
| 2.1 文本挖掘概述 | 第12-17页 |
| 2.1.1 文本挖掘的产生背景 | 第12-13页 |
| 2.1.2 文本 | 第13-14页 |
| 2.1.3 文本挖掘的概念 | 第14页 |
| 2.1.4 文本挖掘的任务 | 第14-16页 |
| 2.1.5 文本挖掘系统的通用体系结构 | 第16-17页 |
| 2.2 Web挖掘 | 第17-23页 |
| 2.2.1 Web挖掘概念 | 第17页 |
| 2.2.2 Web挖掘分类 | 第17-18页 |
| 2.2.3 Web挖掘流程 | 第18-19页 |
| 2.2.4 Web挖掘关键技术 | 第19-23页 |
| 第3章 Web挖掘文本表示——向量空间模型 | 第23-35页 |
| 3.1 经典向量空间模型VSM | 第23-33页 |
| 3.1.1 向量空间模型 | 第23-25页 |
| 3.1.2 概念模型 | 第25-28页 |
| 3.1.3 特征生成 | 第28-31页 |
| 3.1.4 特征选择 | 第31-32页 |
| 3.1.5 特征抽取 | 第32-33页 |
| 3.2 改进的VSM | 第33-35页 |
| 第4章 经典文本聚类算法 | 第35-41页 |
| 4.1 基于划分的K-means算法 | 第35-37页 |
| 4.1.1 K-means算法主要思想 | 第36页 |
| 4.1.2 K-means聚类算法描述 | 第36-37页 |
| 4.2 层次聚类算法 | 第37-39页 |
| 4.2.1 层次聚类思想 | 第37-38页 |
| 4.2.2 层次聚类主要步骤 | 第38-39页 |
| 4.3 基于密度的聚类算法 | 第39-41页 |
| 4.3.1 基于密度聚类算法简介 | 第39页 |
| 4.3.2 几种基于密度的聚类算法 | 第39-41页 |
| 第5章 基于改进VSM算法的文本聚类实证研究 | 第41-54页 |
| 5.1 数据来源 | 第41页 |
| 5.2 基于Weka的文本聚类实证研究 | 第41-54页 |
| 5.2.1 Weka简介 | 第41-46页 |
| 5.2.2 实验步骤及评估结果 | 第46-52页 |
| 5.2.3 实验分析与结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者在攻读硕士学位期间发表的论文 | 第58页 |
