| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 短文本聚类的研究现状 | 第13-15页 |
| 1.2.2 短文本聚类面临的问题和解决办法 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关技术研究 | 第19-30页 |
| 2.1 文本聚类概述 | 第19-20页 |
| 2.2 文本预处理 | 第20-22页 |
| 2.2.1 分词 | 第20-22页 |
| 2.2.2 去除停用词和符号 | 第22页 |
| 2.3 特征选择 | 第22-24页 |
| 2.4 特征加权 | 第24-25页 |
| 2.5 文本特征项表示模型 | 第25-26页 |
| 2.6 常用聚类方法 | 第26-28页 |
| 2.6.1 层次聚类 | 第27页 |
| 2.6.2 K-Means聚类 | 第27-28页 |
| 2.7 聚类结果评估 | 第28-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 词向量模型 | 第30-37页 |
| 3.1 词向量概述 | 第30-31页 |
| 3.2 Word2Vec语言模型 | 第31-32页 |
| 3.3 连续词袋模型（CBOW） | 第32-33页 |
| 3.4 Skip_gram模型 | 第33-35页 |
| 3.5 模型效果展示 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于Word2Vec的短文本表示模型 | 第37-45页 |
| 4.1 短文本特点分析 | 第37-38页 |
| 4.2 短文本表示模型初步 | 第38-40页 |
| 4.2.1 基于词向量的简单表示文本方法 | 第38-39页 |
| 4.2.2 基于改进的TF-IDF加权短文本表示方法 | 第39-40页 |
| 4.3 多因子融合策略表示模型 | 第40-44页 |
| 4.3.1 基于词性加权的短文本表示 | 第40-41页 |
| 4.3.2 基于情感加权的短文本表示方法 | 第41-43页 |
| 4.3.3 融合策略 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于词向量的距离聚类模型 | 第45-50页 |
| 5.1 常用的距离和相似度度量方法 | 第45-46页 |
| 5.2 RWMD距离 | 第46-47页 |
| 5.3 基于RWMD距离的改进聚类模型 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 模型应用与实验分析 | 第50-60页 |
| 6.1 实验数据 | 第50-51页 |
| 6.2 模型应用 | 第51-52页 |
| 6.3 评价指标 | 第52页 |
| 6.4 实验对比及分析 | 第52-58页 |
| 6.4.1 WV_PS模型对比实验 | 第53-55页 |
| 6.4.2 关键参数支撑度阈值C_0的对比试验 | 第55-57页 |
| 6.4.3 Word2Vec中window和size的对比实验 | 第57-58页 |
| 6.4.4 不同距离函数的对比试验 | 第58页 |
| 6.5 本章小结 | 第58-60页 |
| 结束语 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第66页 |