| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-16页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题研究的目的及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题的研究内容 | 第12-14页 |
| ·论文结构 | 第14页 |
| ·小结 | 第14-16页 |
| 2 相关技术介绍 | 第16-28页 |
| ·文本聚类概述 | 第16-17页 |
| ·文本建模及相似度计算 | 第17-21页 |
| ·空间向量模型 | 第17-18页 |
| ·基于空间向量模型的文本相似度计算 | 第18-19页 |
| ·基于概率统计的LDA模型 | 第19-21页 |
| ·基于LDA模型的文本相似度计算 | 第21页 |
| ·基于知网的中文语义相似度计算 | 第21-23页 |
| ·频繁项集挖掘算法 | 第23-26页 |
| ·关联规则 | 第23-24页 |
| ·串行Aprior关联规则挖掘算法 | 第24-25页 |
| ·串行Fp-growth关联规则挖掘算法 | 第25-26页 |
| ·聚类效果评价 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于语义的短文本聚类算法 | 第28-44页 |
| ·短文本表示 | 第28-29页 |
| ·短文本之间的语义相似度 | 第29-32页 |
| ·词语语义相似度计算 | 第30页 |
| ·短文本之间语义相似度计算 | 第30-32页 |
| ·基于频繁项集挖掘短文集主题分布 | 第32-35页 |
| ·基于频繁项集的挖掘潜在主题 | 第32-33页 |
| ·基于频繁项集挖掘聚类中心 | 第33-35页 |
| ·并行频繁项集挖掘 | 第35-42页 |
| ·MapReduce编程框架 | 第36-37页 |
| ·基于MapReduce编程框架改进的并行频繁项集挖掘 | 第37-40页 |
| ·并行频繁项集挖掘算法复杂度分析 | 第40-42页 |
| ·短文本聚类方法的总体实现流程 | 第42页 |
| ·本章小结 | 第42-44页 |
| 4 试验效果及评价 | 第44-56页 |
| ·短文本聚类实验 | 第44-51页 |
| ·数据准备 | 第44页 |
| ·评价标准 | 第44-45页 |
| ·参数选取 | 第45-46页 |
| ·聚类中心对比试验 | 第46-48页 |
| ·文本聚类对比试验分析 | 第48-51页 |
| ·频繁项集挖掘效率试验 | 第51-55页 |
| ·单机对比试验 | 第51-53页 |
| ·集群试验环境 | 第53页 |
| ·集群扩展性和加速比实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63页 |