| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 本课题的研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本相似度计算研究现状 | 第11-13页 |
| 1.2.2 模糊聚类算法研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论和关键技术 | 第16-30页 |
| 2.1 文档预处理 | 第16-17页 |
| 2.1.1 中文分词 | 第16页 |
| 2.1.2 停用词过滤 | 第16-17页 |
| 2.2 文本特征提取 | 第17-18页 |
| 2.2.1 文档频率 | 第17页 |
| 2.2.2 互信息 | 第17页 |
| 2.2.3 X~2统计法 | 第17-18页 |
| 2.2.4 信息增益 | 第18页 |
| 2.2.5 期望交叉熵 | 第18页 |
| 2.3 文本建模 | 第18-23页 |
| 2.3.1 布尔模型 | 第19页 |
| 2.3.2 语言模型 | 第19-20页 |
| 2.3.3 向量空间模型 | 第20页 |
| 2.3.4 一元混合模型 | 第20-21页 |
| 2.3.5 隐含语义分析模型 | 第21-22页 |
| 2.3.6 概率潜在语义分析模型 | 第22-23页 |
| 2.4 文本相似度计算 | 第23-26页 |
| 2.4.1 基于语义分析的文本相似度计算 | 第23-24页 |
| 2.4.2 基于统计学的文本相似度计算 | 第24-26页 |
| 2.5 文本聚类算法 | 第26-29页 |
| 2.5.1 基于模型的聚类算法 | 第27页 |
| 2.5.2 基于密度的聚类算法 | 第27页 |
| 2.5.3 基于网格的聚类算法 | 第27页 |
| 2.5.4 基于划分的聚类算法 | 第27-28页 |
| 2.5.5 基于层次的聚类算法 | 第28页 |
| 2.5.6 模糊聚类算法 | 第28页 |
| 2.5.7 常见聚类算法比较 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于LDA主题模型和词共现的文本相似度计算 | 第30-39页 |
| 3.1 LDA主题模型 | 第30-32页 |
| 3.1.1 LDA主题模型简介 | 第30-31页 |
| 3.1.2 Gibbs抽样求解 | 第31-32页 |
| 3.2 词共现分析 | 第32-33页 |
| 3.3 基于LDA主题模型和词共现的文本相似度计算 | 第33-35页 |
| 3.4 实验设计与结果分析 | 第35-37页 |
| 3.4.1 评价标准 | 第35-36页 |
| 2.4.2 语料选择 | 第36页 |
| 3.4.3 实验步骤及主要参数选取 | 第36页 |
| 3.4.4 实验结果分析 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 集粒度计算、蚁群算法和模糊思想的聚类算法 | 第39-55页 |
| 4.1 粒度计算 | 第39-41页 |
| 4.1.1 粒度计算简介 | 第39页 |
| 4.1.2 粒度计算模型 | 第39-41页 |
| 4.2 蚁群算法 | 第41-44页 |
| 4.2.1 蚁群算法产生背景 | 第41-42页 |
| 4.2.2 蚁群算法的发展 | 第42页 |
| 4.2.3 基于蚁群算法的聚类模型 | 第42-44页 |
| 4.3 模糊思想 | 第44-47页 |
| 4.3.1 模糊集合及模糊运算 | 第44-45页 |
| 4.3.2 模糊C均值算法 | 第45-47页 |
| 4.4 集粒度计算、蚁群算法和模糊思想的算法 | 第47-53页 |
| 4.4.1 改进的蚁群聚类算法 | 第47-49页 |
| 4.4.2 改进的FCM聚类算法 | 第49-50页 |
| 4.4.3 实验设计与结果分析 | 第50-53页 |
| 4.5 基于GAFCM算法的文本聚类 | 第53-54页 |
| 4.5.1 文本聚类的实现 | 第53-54页 |
| 4.5.2 实验结果分析 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |