基于粗糙集理论的文本挖掘技术研究

1 引言	第1-13页
·选题意义	第8页
·国内外研究综述	第8-11页
·文本自动分类技术	第8-10页
·信息检索技术	第10-11页
·本文研究工作	第11页
·本论文的结构安排	第11-13页
2 预备知识	第13-25页
·粗糙集理论	第13-15页
·模糊集理论	第15-17页
·文本的表示和处理模型	第17-24页
·布尔模型	第17-18页
·概率模型	第18-19页
·向量模型	第19-24页
·文本挖掘的性能评价	第24-25页
3 基于聚类和粗糙集结合的文本分类方法	第25-35页
·文本分类方法	第25-27页
·有指导的分类	第25-26页
·自动聚类	第26-27页
·基于空间向量模型(VSM)的文本直接聚类方法	第27-28页
·基于粗糙集理论的属性约简方法	第28-32页
·信息熵	第29-32页
·基于粗糙集理论的文本规则获取算法	第32页
·实验数据分析	第32-34页
·小结	第34-35页
4 基于粗糙集的文本检索优化方法	第35-50页
·文本检索简介	第35页
·文本检索中存在的一些问题	第35-37页
·同义、近义问题	第35-36页
·用户查询兴趣	第36-37页
·基于模糊-粗糙集的查询方法	第37-39页
·模糊关系	第37页
·模糊-粗糙集方法	第37-38页
·相似度计算	第38-39页
·用户查询向量优化	第39-44页
·用户查询向量优化	第39-40页
·举例说明	第40-43页
·实验结果分析	第43-44页
·文本检索中查询优化的进一步研究	第44-50页
·算法描述	第44-45页
·举例说明	第45-48页
·实验结果分析	第48-50页
5 结论和展望	第50-51页
6 致谢	第51-52页
参考文献	第52-54页
附录	第54-55页