| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 选题背景和意义 | 第7-9页 |
| 1.1.1 选题背景 | 第7-8页 |
| 1.1.2 选题意义 | 第8-9页 |
| 1.2 文献综述 | 第9-14页 |
| 1.2.1 国外文献综述 | 第9-12页 |
| 1.2.2 国内文献综述 | 第12-13页 |
| 1.2.3 文献评述 | 第13-14页 |
| 1.3 论文思路 | 第14-15页 |
| 1.4 创新与不足之处 | 第15-17页 |
| 第2章 文本聚类的相关技术与理论基础 | 第17-33页 |
| 2.1 文本预处理 | 第17-19页 |
| 2.2 文本建模 | 第19-20页 |
| 2.3 特征提取 | 第20页 |
| 2.4 文本聚类算法 | 第20-28页 |
| 2.4.1 传统文本聚类算法简介 | 第20-22页 |
| 2.4.2 相关统计模型简介 | 第22-25页 |
| 2.4.3 词向量模型 | 第25-27页 |
| 2.4.4 高斯LDA模型 | 第27-28页 |
| 2.5 聚类主题识别 | 第28-30页 |
| 2.6 聚类有效性评价标准 | 第30-33页 |
| 第3章 基于统计学习方法的高斯LDA模型的文本聚类 | 第33-41页 |
| 3.1 基于统计学习方法的高斯LDA模型 | 第33-38页 |
| 3.1.1 基于统计学习方法的高斯LDA模型的构建 | 第33-35页 |
| 3.1.2 模型参数的估计方法 | 第35-38页 |
| 3.2 人工干预的聚簇主题识别 | 第38-39页 |
| 3.3 基于语义相似性的聚类有效性评价指标 | 第39-41页 |
| 第4章 实验设计及结果分析 | 第41-61页 |
| 4.1 实验语料选择 | 第41页 |
| 4.2 实验平台搭建 | 第41-45页 |
| 4.2.1 实验环境 | 第41页 |
| 4.2.2 基于统计学习方法的高斯LDA模型的建模 | 第41-45页 |
| 4.3 实验结果与分析 | 第45-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第69-71页 |
| 附件 | 第71-78页 |
