基于语义相似度的文本聚类算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 本文的研究背景与意义 | 第8-9页 |
| 1.2 文本聚类的发展和研究现状 | 第9-10页 |
| 1.3 论文的主要研究内容 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 第2章 文本聚类的关键技术 | 第12-29页 |
| 2.1 文本聚类概述 | 第12-13页 |
| 2.1.1 文本聚类的基本思想 | 第12页 |
| 2.1.2 文本聚类的处理过程 | 第12-13页 |
| 2.2 文本的预处理 | 第13-16页 |
| 2.2.1 分词技术 | 第13-15页 |
| 2.2.2 去除停用词 | 第15-16页 |
| 2.2.3 同义词归并 | 第16页 |
| 2.3 特征提取 | 第16-17页 |
| 2.4 特征项的权重计算 | 第17-19页 |
| 2.5 文本表示 | 第19-21页 |
| 2.6 聚类处理 | 第21-23页 |
| 2.6.1 文本相似度的含义 | 第21页 |
| 2.6.2 相似度计算方法 | 第21-23页 |
| 2.7 主要聚类算法 | 第23-26页 |
| 2.8 聚类效果评价指标 | 第26-28页 |
| 2.9 本章小结 | 第28-29页 |
| 第3章 基于语义相似度的文本聚类算法 | 第29-40页 |
| 3.1 《知网》简介 | 第29-32页 |
| 3.1.1 《知网》的结构 | 第29-31页 |
| 3.1.2 知网描述语言 | 第31-32页 |
| 3.2 语义相似度计算方法 | 第32-34页 |
| 3.2.1 义原相似度计算 | 第32-33页 |
| 3.2.2 关键词相似度计算 | 第33-34页 |
| 3.3 本文的语义相似度计算 | 第34-35页 |
| 3.3.1 本文的特征项权重计算 | 第34页 |
| 3.3.2 文本相似度计算 | 第34-35页 |
| 3.4 基于语义相似度的文本聚类算法实现 | 第35-39页 |
| 3.4.1 软硬件环境 | 第35页 |
| 3.4.2 功能模块设计 | 第35-39页 |
| 3.5 实验结果比较 | 第39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 群智能算法在文本聚类算法问题中的应用 | 第40-47页 |
| 4.1 人工蜂群算法 | 第40-44页 |
| 4.1.1 蜂群算法简介 | 第40-41页 |
| 4.1.2 人工蜂群算法工作过程 | 第41-44页 |
| 4.1.3 最大最小距离算法 | 第44页 |
| 4.2 改进的人工蜂群算法 | 第44-45页 |
| 4.3 实验分析 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结和展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士期间从事的科研工作及取得的成果 | 第53页 |
