面向JSON半结构化文档的聚类技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 JSON半结构化文档研究现状 | 第9-11页 |
| 1.2.2 半结构化文档XML聚类技术的研究现状 | 第11-13页 |
| 1.3 研究思路和论文安排 | 第13-15页 |
| 1.3.1 研究思路 | 第13页 |
| 1.3.2 论文安排 | 第13-15页 |
| 第二章 理论基础 | 第15-24页 |
| 2.1 半结构化文档 | 第15-16页 |
| 2.1.1 结构化、半结构化和非结构化文档 | 第15-16页 |
| 2.1.2 XML数据和JSON数据 | 第16页 |
| 2.2 JSON技术 | 第16-20页 |
| 2.2.1 JSON文档格式 | 第16-18页 |
| 2.2.2 JSON模式抽取 | 第18-19页 |
| 2.2.3 JSON与XML比较 | 第19-20页 |
| 2.3 聚类分析技术简介 | 第20-24页 |
| 2.3.1 聚类分析技术综述 | 第20-22页 |
| 2.3.2 K-Means聚类算法 | 第22-24页 |
| 第三章 基于混合的JSON半结构化文档聚类算法 | 第24-32页 |
| 3.1 JSON半结构化文档向量表示 | 第24-26页 |
| 3.1.1 向量空间模型概念 | 第24-25页 |
| 3.1.2 JSON半结构化文档向量表示 | 第25-26页 |
| 3.2 文档相似性度量 | 第26-27页 |
| 3.3 JSON半结构化文档特征降维 | 第27-28页 |
| 3.3.1 TF-IDF方法 | 第27-28页 |
| 3.3.2 PCA方法 | 第28页 |
| 3.4 基于混合的K-Means聚类算法改进 | 第28-32页 |
| 3.4.1 前提假设 | 第29页 |
| 3.4.2 算法流程图 | 第29-31页 |
| 3.4.3 特点分析 | 第31-32页 |
| 第四章 JSON半结构化文档的聚类分析与应用 | 第32-46页 |
| 4.1 政府开放数据来源——以美国为例 | 第32-34页 |
| 4.1.1 政府开放数据的背景分析 | 第32-33页 |
| 4.1.2 数据集获取与处理 | 第33-34页 |
| 4.2 聚类质量评价指标 | 第34-36页 |
| 4.2.1 内部质量指标 | 第34-35页 |
| 4.2.2 外部质量指标 | 第35-36页 |
| 4.3 政府开放数据的聚类有效性评价 | 第36-44页 |
| 4.3.1 实验方案 | 第36-37页 |
| 4.3.2 实验参数、结果及分析 | 第37-43页 |
| 4.3.3 总结分析 | 第43-44页 |
| 4.4 政府开放数据的类别数目k的确定 | 第44-46页 |
| 4.4.1 实验方案 | 第44页 |
| 4.4.2 实验参数、结果及分析 | 第44-46页 |
| 第五章 JSON半结构化文档的聚类系统实现 | 第46-56页 |
| 5.1 系统流程图 | 第46页 |
| 5.2 系统模块设计 | 第46-51页 |
| 5.2.1 数据获取模块 | 第46-48页 |
| 5.2.2 预处理模块 | 第48-49页 |
| 5.2.3 向量表示模块 | 第49-50页 |
| 5.2.4 聚类方法模块 | 第50-51页 |
| 5.3 系统效果展示 | 第51-56页 |
| 5.3.1 模式的展示效果 | 第52-53页 |
| 5.3.2 主题的展示效果 | 第53-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 主要工作和结论 | 第56-57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-73页 |
| 附录A 美国政府开放门户网站爬虫核心代码 | 第62-64页 |
| 附录B 政府开放数据实验核心代码 | 第64-73页 |
| 在攻读硕士期间发表论文和参加科研情况 | 第73-74页 |
| 致谢 | 第74页 |
