LSA与SOM相结合的文本聚类算法应用研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-16页 |
| ·选题的背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| ·论文的组织 | 第15-16页 |
| 第二章 文本聚类方法及关键理论 | 第16-32页 |
| ·文本聚类方法 | 第16-19页 |
| ·基于层次的方法 | 第16-17页 |
| ·基于划分的方法 | 第17页 |
| ·基于密度的方法 | 第17页 |
| ·基于网格的方法 | 第17-18页 |
| ·基于模型的方法 | 第18页 |
| ·文本聚类算法面临的挑战 | 第18-19页 |
| ·文本向量构建 | 第19-22页 |
| ·英文词法分析 | 第19-20页 |
| ·数据清洗 | 第20页 |
| ·特征词选取 | 第20-21页 |
| ·文本向量空间构建 | 第21-22页 |
| ·潜在语义分析模型 | 第22-26页 |
| ·潜在语义分析模型简介 | 第22-23页 |
| ·奇异值分解原理 | 第23-25页 |
| ·相似度计算 | 第25-26页 |
| ·潜在语义分析模型特点和应用 | 第26页 |
| ·自组织映射算法 | 第26-31页 |
| ·自组织映射简介 | 第26-27页 |
| ·自组织映射工作原理 | 第27-29页 |
| ·经典自组织映射算法 | 第29-30页 |
| ·自组织映射性能度量 | 第30页 |
| ·自组织映射特点 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 LSA和SOM相结合的文本聚类算法应用 | 第32-46页 |
| ·摘要文本库的构建 | 第32-34页 |
| ·领域的选择 | 第32页 |
| ·摘要文本的下载 | 第32页 |
| ·摘要内容的提取 | 第32-34页 |
| ·文本向量构建 | 第34-39页 |
| ·词性标注 | 第34-36页 |
| ·词性清洗 | 第36-37页 |
| ·词频信息统计 | 第37-38页 |
| ·特征词选取 | 第38页 |
| ·文本向量构建 | 第38-39页 |
| ·潜在语义空间构建 | 第39-40页 |
| ·权值调整 | 第39页 |
| ·潜在语义空间构建 | 第39-40页 |
| ·自组织映射算法的改进研究 | 第40-44页 |
| ·自组织映射算法改进的思路 | 第40-41页 |
| ·自组织映射算法改进的主要步骤 | 第41页 |
| ·自组织映射算法改进的实现 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 文本聚类实现和结果分析 | 第46-58页 |
| ·系统框架 | 第46页 |
| ·摘要库构建模块 | 第46-48页 |
| ·向量空间构建模块 | 第48-52页 |
| ·向量空间构建流程 | 第48-51页 |
| ·词性成分筛选对向量空间构建的影响 | 第51-52页 |
| ·潜在语义空间构建 | 第52-53页 |
| ·聚类结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·本文主要工作 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历攻读硕士学位期间发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
