基于词向量的短文本聚类研究与应用
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文工作 | 第9-10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 2 相关技术 | 第12-21页 |
| 2.1 网络爬虫 | 第12-14页 |
| 2.2 文本建模 | 第14-17页 |
| 2.2.1 向量空间模型 | 第14-15页 |
| 2.2.2 浅层语义分析模型 | 第15-16页 |
| 2.2.3 文档主题模型 | 第16-17页 |
| 2.2.4 词对主题模型 | 第17页 |
| 2.3 相似度计算 | 第17-19页 |
| 2.3.1 欧氏距离 | 第18页 |
| 2.3.2 夹角余弦距离 | 第18页 |
| 2.3.3 闵可夫斯基距离 | 第18-19页 |
| 2.4 聚类分析 | 第19-21页 |
| 2.4.1 聚类算法 | 第19-20页 |
| 2.4.2 聚类评价 | 第20-21页 |
| 3 基于词向量和EMD距离的短文本聚类 | 第21-32页 |
| 3.1 问题引出 | 第21页 |
| 3.2 算法描述 | 第21-28页 |
| 3.2.1 词向量 | 第22-24页 |
| 3.2.2 短文本相似度计算 | 第24-27页 |
| 3.2.3 算法流程 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-31页 |
| 3.3.1 不同文本表示对聚类结果的影响 | 第28-30页 |
| 3.3.2 不同距离度量对聚类结果的影响 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于词向量与密度峰值发现的论文标题聚类 | 第32-50页 |
| 4.1 问题引出 | 第32页 |
| 4.2 数据的采集与处理 | 第32-36页 |
| 4.2.1 数据来源 | 第32-33页 |
| 4.2.2 数据采集 | 第33-36页 |
| 4.3 算法描述 | 第36-43页 |
| 4.3.1 词向量的训练 | 第36-38页 |
| 4.3.2 论文标题的文本表示 | 第38-39页 |
| 4.3.3 论文标题的相似度计算 | 第39页 |
| 4.3.4 基于密度峰值发现的论文标题聚类 | 第39-43页 |
| 4.4 实验设计及分析 | 第43-49页 |
| 4.4.1 词向量训练语料对于聚类结果的影响 | 第44-46页 |
| 4.4.2 截断距离的选取对于聚类结果的影响 | 第46页 |
| 4.4.3 不同聚类算法的对比实验 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |
