基于自组织特征映射的检索结果聚类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-16页 |
| ·课题背景与研究意义 | 第7-9页 |
| ·国内外相关研究 | 第9-14页 |
| ·主要研究热点 | 第9-11页 |
| ·基于后缀树的检索结果聚类 | 第11-13页 |
| ·检索结果聚类开源实验平台Carrot | 第13-14页 |
| ·本文的研究内容 | 第14-16页 |
| 第2章 语料库与特征抽取 | 第16-30页 |
| ·语料来源与分析 | 第16-19页 |
| ·来自搜索引擎的snippet | 第16-17页 |
| ·来自人工构建的分类目录 | 第17-19页 |
| ·来自虚拟的理想数据 | 第19页 |
| ·LSI基本理论 | 第19-26页 |
| ·向量空间模型 | 第20页 |
| ·矩阵分解 | 第20-23页 |
| ·Latent Semantic Index | 第23-26页 |
| ·基于LSI的文本与特征表示 | 第26-29页 |
| ·词－文档矩阵 | 第26-28页 |
| ·SVD分解 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 面向检索结果聚类的SOM训练 | 第30-44页 |
| ·问题分析 | 第30-31页 |
| ·SOM基本理论 | 第31-38页 |
| ·SOM网络结构与学习算法 | 第31-36页 |
| ·对基本SOM的改进 | 第36-38页 |
| ·SOM训练 | 第38-43页 |
| ·单个网络训练算法 | 第38-39页 |
| ·网络的自动扩展 | 第39-41页 |
| ·完整训练算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 标签提取与类别生成 | 第44-57页 |
| ·神经元标签计算 | 第44-45页 |
| ·基于标签类别生成 | 第45-48页 |
| ·评价方法 | 第48-53页 |
| ·文本聚类评价方法 | 第48-49页 |
| ·SOM评价方法 | 第49-53页 |
| ·实验结果 | 第53-56页 |
| ·F-measure评价结果 | 第53-55页 |
| ·标签评价结果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
