数据挖掘算法在智能答疑系统中的应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·智能答疑系统发展现状 | 第11-13页 |
| ·数据挖掘技术发展现状 | 第13-14页 |
| ·论文的研究工作成果 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 数据仓库技术 | 第16-23页 |
| ·从数据库到数据仓库 | 第16-17页 |
| ·数据仓库的定义 | 第17-18页 |
| ·数据仓库的体系结构 | 第18-19页 |
| ·数据仓库的功能描述 | 第19页 |
| ·数据仓库的数据模型 | 第19-20页 |
| ·数据仓库工具 | 第20-21页 |
| ·数据仓库的实现 | 第21-23页 |
| 第三章 数据挖掘技术 | 第23-31页 |
| ·数据挖掘的技术基础 | 第23-25页 |
| ·数据挖掘的概念 | 第23页 |
| ·数据挖掘的方法与技术 | 第23-24页 |
| ·数据挖掘的分析方法 | 第24-25页 |
| ·数据挖掘系统的体系结构及挖掘步骤 | 第25-27页 |
| ·数据挖掘的三级结构 | 第25-26页 |
| ·数据挖掘的步骤 | 第26-27页 |
| ·文本挖掘 | 第27-31页 |
| ·文本挖掘的定义 | 第27-28页 |
| ·文本挖掘的过程 | 第28页 |
| ·文本挖掘的方法 | 第28-29页 |
| ·文本挖掘技术的应用 | 第29-31页 |
| 第四章 数据挖掘算法在答疑系统数据仓库中的应用 | 第31-52页 |
| ·关联规则算法及其应用 | 第31-35页 |
| ·关联规则的基本概念 | 第31-32页 |
| ·关联规则的挖掘步骤 | 第32页 |
| ·经典算法-Apriori 算法 | 第32-34页 |
| ·Apriori 算法应用与实现 | 第34-35页 |
| ·文本聚类 | 第35-49页 |
| ·数据预处理—自动分词算法及演示 | 第37-40页 |
| ·文本特征表示与向量空间模型 | 第40页 |
| ·文本特征提取和权重计算 | 第40-42页 |
| ·关联度与相似度算法研究、改进及实现 | 第42-47页 |
| ·k-means 聚类算法及应用 | 第47-49页 |
| ·算法在数据仓库中的应用 | 第49-52页 |
| ·算法的应用思想 | 第49页 |
| ·算法的应用流程图 | 第49-51页 |
| ·数据仓库的整理与实现 | 第51-52页 |
| 第五章 数据挖掘技术在智能答疑系统中的应用 | 第52-56页 |
| ·系统主要功能模块 | 第52-53页 |
| ·系统答疑算法设计图 | 第53-54页 |
| ·系统功能实现 | 第54页 |
| ·实验结果与结论 | 第54-56页 |
| 第六章 结束语 | 第56-58页 |
| ·全文总结 | 第56页 |
| ·进一步研发设想 | 第56-57页 |
| ·心得体会 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的学术论文目录 | 第63页 |
