| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·文本聚类的研究背景 | 第10-11页 |
| ·文本聚类概述 | 第11-13页 |
| ·文本聚类的定义 | 第11页 |
| ·文本聚类的应用 | 第11-12页 |
| ·文本聚类面临的挑战 | 第12-13页 |
| ·文档聚类的一般过程 | 第13页 |
| ·本文的研究 | 第13-14页 |
| ·论文大纲 | 第14-16页 |
| 第二章 文本数据的数学模型 | 第16-27页 |
| ·文本预处理 | 第16-20页 |
| ·分词 | 第16-17页 |
| ·词根还原 | 第17-18页 |
| ·停用词过滤 | 第18-19页 |
| ·英文文本预处理的过程 | 第19-20页 |
| ·文本数据的数学描述 | 第20-22页 |
| ·向量空间模型 | 第20-21页 |
| ·其它文本数据表示法 | 第21-22页 |
| ·距离计算方法 | 第22-24页 |
| ·Minkowski 距离 | 第22页 |
| ·Cosine 距离 | 第22-23页 |
| ·Pearson 距离 | 第23页 |
| ·扩展Jaccard 距离 | 第23页 |
| ·Kullback-Leibler(KL)距离 | 第23-24页 |
| ·概念列表表示法 | 第24-25页 |
| ·小结 | 第25-27页 |
| 第三章 语义相似度 | 第27-41页 |
| ·WORDNET ：一个词汇数据库 | 第27-31页 |
| ·WordNet 简介 | 第27-28页 |
| ·名词的语义关系 | 第28-31页 |
| ·继承关系 | 第28-30页 |
| ·整体部分关系 | 第30页 |
| ·反义关系 | 第30-31页 |
| ·概念间语义相似度 | 第31-39页 |
| ·相似度的定义 | 第31-33页 |
| ·概念（synset）间语义相似度的计算 | 第33-39页 |
| ·基于节点的方法 | 第33-35页 |
| ·基于边的方法 | 第35-37页 |
| ·混合法 | 第37-38页 |
| ·扩展的混合法 | 第38-39页 |
| ·文本间语义相似的计算 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 基于语义相似度的文本聚类算法 | 第41-49页 |
| ·传统的文本聚类技术 | 第41-45页 |
| ·层次凝聚聚类法 | 第41-43页 |
| ·平面划分聚类法 | 第43-44页 |
| ·神经网络聚类法 | 第44-45页 |
| ·基于密度的聚类法 | 第45页 |
| ·一种基于语义相似度的文本聚类算法（TCUSS）（TEXT CLUSTERING USING SEMANTIC SIMILARITY） | 第45-47页 |
| ·聚簇描述 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第五章 实验和结果 | 第49-68页 |
| ·文本预处理 | 第49-54页 |
| ·文本预处理的输入 | 第51页 |
| ·分词 | 第51-52页 |
| ·停用词过滤和词根还原 | 第52页 |
| ·判断是否具有名词词性 | 第52-54页 |
| ·语义相似度计算 | 第54-58页 |
| ·WordNet | 第54页 |
| ·WordNet:: QueryData | 第54页 |
| ·Text::Similarity | 第54页 |
| ·WordNet::Similarity | 第54-56页 |
| ·单词间语义相似度的计算 | 第56-58页 |
| ·文本间语义相似度的计算 | 第58页 |
| ·聚类算法 | 第58-61页 |
| ·实验 | 第61-67页 |
| ·数据集 | 第61页 |
| ·实验环境 | 第61-62页 |
| ·实验结果 | 第62-67页 |
| ·单词间语义相似度实验结果与分析 | 第62-65页 |
| ·聚类算法的实验结果与分析 | 第65-67页 |
| ·小结 | 第67-68页 |
| 第六章 总结 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |