基于句子级最大频繁单词集的Web文档聚类研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题背景 | 第8-10页 |
| ·Web 信息特点 | 第8-9页 |
| ·Web 信息的检索方法 | 第9页 |
| ·检索Web 的局限 | 第9-10页 |
| ·文档聚类的意义 | 第10-13页 |
| ·Web 聚类的出现 | 第10-11页 |
| ·Web 聚类的意义 | 第11-13页 |
| ·国内外研究概况 | 第13-14页 |
| ·课题的来源以及本文的工作 | 第14-16页 |
| 2 Web 文档聚类概述 | 第16-23页 |
| ·文档聚类的定义 | 第16-17页 |
| ·文档聚类技术分类 | 第17-21页 |
| ·AHC 算法 | 第18-19页 |
| ·K-means 算法 | 第19页 |
| ·SOM 算法 | 第19-21页 |
| ·文档聚类基本过程 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 Web 文档模型表示 | 第23-32页 |
| ·文档表示模型的分类 | 第23-27页 |
| ·布尔逻辑型 | 第24页 |
| ·向量空间型 | 第24-26页 |
| ·概率型 | 第26-27页 |
| ·文档数据库模型 | 第27-30页 |
| ·文档数据库模型 | 第27-28页 |
| ·文档的预处理 | 第28页 |
| ·挖掘句子级的最大频繁单词集 | 第28-29页 |
| ·建立文档集特征矩阵 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 4 基于句子级最大频繁单词集 Web 文档聚类 | 第32-42页 |
| ·初步聚类 | 第32-33页 |
| ·计算每个类的特征向量 | 第33-36页 |
| ·可变精度粗糙集计算权值 | 第33-36页 |
| ·精确聚类 | 第36-37页 |
| ·聚类描述 | 第37-41页 |
| ·聚类描述扩展 | 第37-38页 |
| ·基于容错粗糙集的聚类描述扩展 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 算法实现以及实验 | 第42-47页 |
| ·算法给出 | 第42-44页 |
| ·基于句子集频繁单词集的文本聚类算法 | 第42-43页 |
| ·基于容错粗糙集的聚类描述扩展算法 | 第43-44页 |
| ·实验 | 第44-47页 |
| 6 结论与工作展望 | 第47-49页 |
| ·主要工作及创新点 | 第47页 |
| ·工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录1 攻读学位期间发表论文目录 | 第54页 |
