| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言. | 第11页 |
| ·Web 文本挖掘技术介绍 | 第11-12页 |
| ·Web 文本聚类的研究意义 | 第12-14页 |
| ·Web 中文文本聚类技术 | 第14-15页 |
| ·本文工作及组织 | 第15-17页 |
| ·本文工作 | 第15页 |
| ·本文组织 | 第15-17页 |
| 第2章 Web 文本聚类技术综述 | 第17-28页 |
| ·文本表示模型 | 第17-18页 |
| ·向量空间模型 | 第17-18页 |
| ·后缀树文本模型 | 第18页 |
| ·文本特征降维 | 第18-20页 |
| ·文本相似度计算 | 第20-22页 |
| ·文本对象之间的相似度 | 第20-21页 |
| ·文本对象之间的相异度 | 第21页 |
| ·文本集合与文本集合之间的邻近性度量 | 第21-22页 |
| ·文本聚类算法 | 第22-25页 |
| ·划分方法 | 第22-23页 |
| ·层次方法 | 第23-24页 |
| ·基于密度方法 | 第24页 |
| ·基于网格方法 | 第24-25页 |
| ·基于模型方法 | 第25页 |
| ·语义相关问题 | 第25-26页 |
| ·文本聚类效果的评价指标 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于MapReduce 的海量Web 中文文本聚类 | 第28-43页 |
| ·MapReduce 相关技术介绍 | 第28-33页 |
| ·背景 | 第28-29页 |
| ·编程模式 | 第29页 |
| ·实现框架 | 第29-31页 |
| ·Hadoop 与MapReduce | 第31-33页 |
| ·基于MapReduce 的文本集合的tfidf 算法设计 | 第33-35页 |
| ·基于MapReduce 的文本集合的canopy 聚类算法设计 | 第35-36页 |
| ·Canopy 聚类 | 第35-36页 |
| ·canopy 文本聚类算法在MapReduce 上的设计 | 第36页 |
| ·基于MapReduce 的文本集合的K-means 聚类算法设计 | 第36-38页 |
| ·K-means 聚类 | 第36-37页 |
| ·K-means 文本聚类算法在MapReduce 上的设计 | 第37-38页 |
| ·实验仿真 | 第38-42页 |
| ·实验平台的搭建 | 第38-39页 |
| ·实验数据 | 第39页 |
| ·实验结果 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于后缀树的实时Web 文本聚类 | 第43-54页 |
| ·后缀树数据结构 | 第43-45页 |
| ·后缀树介绍 | 第43-44页 |
| ·后缀树的构造 | 第44-45页 |
| ·后缀树文本模型及其算法 | 第45-47页 |
| ·中文特点 | 第46页 |
| ·中文的后缀树文本模型及其算法 | 第46-47页 |
| ·中文后缀树聚类算法STCC 的流程设计 | 第47-50页 |
| ·文本预处理 | 第47页 |
| ·利用后缀树提取文本特征 | 第47-49页 |
| ·文本聚类 | 第49-50页 |
| ·实验与分析 | 第50-53页 |
| ·实验数据 | 第51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
