| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·研究现状与困难 | 第11-13页 |
| ·国内外研究现状 | 第11页 |
| ·面临的困难 | 第11-13页 |
| ·本论文的主要工作和结构安排 | 第13-15页 |
| ·本论文的主要研究内容 | 第13页 |
| ·文章的结构安排 | 第13-15页 |
| 第二章 文本聚类相关技术概述 | 第15-25页 |
| ·文本预处理 | 第15-18页 |
| ·文本分词技术 | 第16-17页 |
| ·去除停用词和低频词 | 第17-18页 |
| ·同义词的并归 | 第18页 |
| ·文本特征选择 | 第18-20页 |
| ·特征选择方法 | 第18-20页 |
| ·降维处理 | 第20页 |
| ·文本聚类方法 | 第20-21页 |
| ·聚类统计量和评估 | 第21-23页 |
| ·统计量 | 第21-22页 |
| ·聚类评估 | 第22-23页 |
| ·聚类评价函数 | 第23-24页 |
| ·F1-measue指标 | 第23-24页 |
| ·平均准确率 | 第24页 |
| ·小结 | 第24-25页 |
| 第三章 结合权重因子与特征向量改进的文本预处理方法 | 第25-35页 |
| ·文本的表示方法 | 第25-26页 |
| ·特征词权重的计算方法 | 第26-27页 |
| ·文本相似度计算方法 | 第27-28页 |
| ·改进的文本预处理方法 | 第28-30页 |
| ·通过权重因子改进TF-IDF算法 | 第28页 |
| ·根据特征向量修改表示方法 | 第28-29页 |
| ·重构余弦相似度计算方法 | 第29页 |
| ·聚类步骤及流程图 | 第29-30页 |
| ·实验分析 | 第30-34页 |
| ·特征词选取和测试环境 | 第30-31页 |
| ·测试标准 | 第31页 |
| ·实验过程 | 第31-32页 |
| ·实验结果分析 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第四章 遗传控制因子改进的遗传K均值文本聚类算法 | 第35-51页 |
| ·遗传K-均值 | 第35-38页 |
| ·K-均值 | 第35-36页 |
| ·遗传算法 | 第36-37页 |
| ·遗传K-均值算法 | 第37-38页 |
| ·GGKM文本聚类算法 | 第38-45页 |
| ·遗传控制因子(GCF) | 第39-40页 |
| ·适应度函数设计 | 第40页 |
| ·GGKM算法算子操作 | 第40-42页 |
| ·准则函数设计与终止条件 | 第42-43页 |
| ·GGKM步骤及流程图 | 第43-45页 |
| ·文本聚类方法实验 | 第45-50页 |
| ·实验设计 | 第45页 |
| ·评价标准和参数设置 | 第45-46页 |
| ·降维处理 | 第46页 |
| ·实验步骤与结果分析 | 第46-50页 |
| ·小结 | 第50-51页 |
| 第五章GGKM在舆情热点发现的应用 | 第51-55页 |
| ·舆情热点发现 | 第51-52页 |
| ·舆情分析步骤 | 第51页 |
| ·舆情热点发现与流程图 | 第51-52页 |
| ·实验分析 | 第52-54页 |
| ·实验介绍 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |