基于特征词的文本聚类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| ·研究背景和选题意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·文本数据挖掘概述 | 第11-16页 |
| ·文本挖掘的含义 | 第11-12页 |
| ·文本挖掘与数据挖掘 | 第12-13页 |
| ·文本挖掘研究的内容 | 第13-14页 |
| ·文本挖掘中的课题 | 第14-16页 |
| ·主要内容及组织结构 | 第16-17页 |
| 第2章 文本聚类预处理关键技术的讨论 | 第17-31页 |
| ·文本预处理 | 第17-20页 |
| ·分词 | 第17-19页 |
| ·停用词处理 | 第19页 |
| ·同义词归并 | 第19-20页 |
| ·文本特征表示 | 第20-22页 |
| ·布尔逻辑模型 | 第20页 |
| ·向量空间模型 | 第20-21页 |
| ·其它模型 | 第21-22页 |
| ·特征选择方法 | 第22-25页 |
| ·特征项选择原则 | 第22-23页 |
| ·基于评估函数的特征选择 | 第23-25页 |
| ·特征权重计算的研究和改进 | 第25-28页 |
| ·特征项权重计算函数 | 第25-27页 |
| ·对TF-IDF的改进 | 第27-28页 |
| ·文本相似度计算 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 常用的文本聚类算法分析 | 第31-44页 |
| ·基于划分的方法 | 第31-33页 |
| ·基于层次的方法 | 第33-35页 |
| ·基于密度的方法 | 第35-37页 |
| ·基于网格的方法 | 第37-38页 |
| ·基于模型的方法 | 第38-39页 |
| ·文本聚类算法的比较标准 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于topN特征词的文本聚类算法 | 第44-55页 |
| ·验证改进后的TF-IDF权重计算方法 | 第44-47页 |
| ·特征降维topN方法及其验证 | 第47-50页 |
| ·特征降维topN方法 | 第47-48页 |
| ·实验过程及结果分析 | 第48-50页 |
| ·基于topN特征词的文本聚类算法 | 第50-53页 |
| ·初始聚类中心的优化思想 | 第51-52页 |
| ·基于topN特征词的文本聚类算法描述 | 第52-53页 |
| ·实验过程与结果分析 | 第53页 |
| ·本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文及科研项目 | 第63页 |
