| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究概况 | 第12-13页 |
| ·国外研究状况 | 第13页 |
| ·国内研究现状 | 第13页 |
| ·文献搜索的若干模型介绍 | 第13-15页 |
| ·布尔模型 | 第14页 |
| ·概率模型 | 第14页 |
| ·向量模型 | 第14-15页 |
| ·潜在语义模型 | 第15页 |
| ·本文主要研究内容 | 第15-17页 |
| ·本文结构安排 | 第17-18页 |
| 第2章 SVD分解的数学理论基础及应用 | 第18-35页 |
| ·奇异值的分解理论 | 第18-24页 |
| ·奇异值分解的意义 | 第19-21页 |
| ·奇异值近似分解 | 第21-22页 |
| ·降维估计的合理性 | 第22-23页 |
| ·降维阈值的选取 | 第23-24页 |
| ·传统SVD分解在潜在语义文献搜索中的应用 | 第24-27页 |
| ·词汇-文献矩阵的建立 | 第24页 |
| ·词汇-文献矩阵的奇异值分解 | 第24-25页 |
| ·查询集合的压缩表示 | 第25页 |
| ·文献的扩充 | 第25-26页 |
| ·词汇的扩充 | 第26-27页 |
| ·查询向量和文献间的相关度计算 | 第27页 |
| ·小型英文样本的SVD分解示列 | 第27-35页 |
| ·原始样本概况 | 第28页 |
| ·词汇-文献矩阵及查询向量模型的建立 | 第28-30页 |
| ·词汇-文献矩阵的奇异值分解 | 第30-31页 |
| ·压缩语义空间的形成 | 第31-33页 |
| ·压缩语义空间下的K维查询向量与文献的相似度计算 | 第33-35页 |
| 第3章 基于K均值聚类分析的文献语义检索模型 | 第35-38页 |
| ·文献聚类综述 | 第35页 |
| ·相似文献的聚类基础 | 第35页 |
| ·文献聚类意义 | 第35页 |
| ·相似度量 | 第35-36页 |
| ·基于余弦相似度的K均值聚类算法 | 第36-37页 |
| ·改进的K均值聚类算法与潜在语义分析检索结合 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 实证分析 | 第38-46页 |
| ·样本集建立及数据的初始化 | 第38页 |
| ·分别以模糊控制和房地产为查询关键词建立文献集 | 第38页 |
| ·词汇文献矩阵建立 | 第38-41页 |
| ·词汇-文献矩阵的SVD分解,以及潜在语义空间的形成 | 第41-43页 |
| ·查询词语义向量化 | 第43页 |
| ·分别计算偏好语义向量和聚类中心点相似度及对相关文献检索 | 第43-45页 |
| 本章小结 | 第45-46页 |
| 结论与展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士期间发表的论文 | 第53-54页 |
| 附录 | 第54-56页 |