| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 文本挖掘技术简介 | 第11-12页 |
| 1.3 文本聚类的研究意义 | 第12-13页 |
| 1.4 文本聚类技术 | 第13-14页 |
| 1.5 本文的工作 | 第14-16页 |
| 第2章 中文文本聚类算法综述 | 第16-33页 |
| 2.1 文本表示模型 | 第16-18页 |
| 2.1.1 布尔模型 | 第16-17页 |
| 2.1.2 向量空间模型 | 第17页 |
| 2.1.3 概率检索模型 | 第17-18页 |
| 2.1.4 语言模型 | 第18页 |
| 2.2 文本相似度衡量 | 第18-20页 |
| 2.2.1 文档与文档之间的相似度度量 | 第19页 |
| 2.2.2 文档集合与文档集合之间的相似度度量 | 第19-20页 |
| 2.2.3 文档与文档集合之间的相似度度量 | 第20页 |
| 2.3 文档信息特征集的缩减 | 第20-22页 |
| 2.3.1 信息增益 | 第21页 |
| 2.3.2 期望交叉熵 | 第21页 |
| 2.3.3 互信息量 | 第21-22页 |
| 2.3.4 文本证据权 | 第22页 |
| 2.3.5 词频 | 第22页 |
| 2.4 中文文本聚类算法 | 第22-30页 |
| 2.4.1 划分方法 | 第22-25页 |
| 2.4.2 层次方法 | 第25-27页 |
| 2.4.3 基于密度的方法 | 第27-28页 |
| 2.4.4 基于网格的方法 | 第28-29页 |
| 2.4.5 基于模型的方法 | 第29-30页 |
| 2.5 文本聚类效果评价指标 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 中文文本聚类算法的研究与分析 | 第33-62页 |
| 3.1 实验环境介绍 | 第33-36页 |
| 3.1.1 分词软件介绍 | 第33-34页 |
| 3.1.2 语料库介绍 | 第34-36页 |
| 3.2 实验设计 | 第36-43页 |
| 3.2.1 文本特征表示设计 | 第36-38页 |
| 3.2.2 文本特征缩减设计 | 第38-40页 |
| 3.2.3 聚类算法设计 | 第40-43页 |
| 3.3 实验结果 | 第43-52页 |
| 3.3.1.K -Means 实验结果 | 第43-46页 |
| 3.3.2.N earest Neighbor 实验结果 | 第46-47页 |
| 3.3.3.M ax-Distance Clustering 实验结果 | 第47-49页 |
| 3.3.4 凝聚法实验结果 | 第49-50页 |
| 3.3.5 分裂法实验结果 | 第50-52页 |
| 3.4 实验结果分析 | 第52-61页 |
| 3.4.1 几种聚类算法的性能比较 | 第52-55页 |
| 3.4.2 簇内代表点的选择对聚类的影响 | 第55-58页 |
| 3.4.3 相似度函数的选择对聚类的影响 | 第58-59页 |
| 3.4.4.K -Means 中初始聚类中心的选择对聚类的影响 | 第59-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 中文文本聚类的相关改进 | 第62-72页 |
| 4.1 现有算法的问题 | 第62-64页 |
| 4.1.1.K -Means 算法存在的问题 | 第62-63页 |
| 4.1.2.N earest Neighbor与Max-Distance Clustering算法存在的问题 | 第63-64页 |
| 4.1.3 层次算法存在的问题 | 第64页 |
| 4.1.4 上述算法普遍存在的问题 | 第64页 |
| 4.2 相关改进 | 第64-65页 |
| 4.3 实验设计 | 第65-67页 |
| 4.3.1 引入词性分析策略的设计 | 第65页 |
| 4.3.2 引入词语搭配关系策略的设计 | 第65页 |
| 4.3.3 引入同义词与近义词分析策略的设计 | 第65-67页 |
| 4.4 实验结果与分析 | 第67-70页 |
| 4.4.1 实验结果 | 第67-68页 |
| 4.4.2 实验分析 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 工作总结 | 第72页 |
| 5.2 未来展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文 | 第78-80页 |
