基于后缀树的中文文本聚类算法研究
| 引言 | 第1-9页 |
| 第1章 绪论 | 第9-20页 |
| 1．1 数据挖掘技术介绍 | 第9-11页 |
| 1．1．1 数据挖掘的涵义 | 第9-10页 |
| 1．1．2 数据挖掘的过程 | 第10-11页 |
| 1．1．3 数据挖掘的主要方法 | 第11页 |
| 1．2 文本挖掘 | 第11-14页 |
| 1．2．1 文本挖掘的涵义 | 第12页 |
| 1．2．2 文本挖掘的过程 | 第12页 |
| 1．2．3 文本挖掘的应用背景 | 第12-13页 |
| 1．2．4 文本挖掘的产品及应用 | 第13-14页 |
| 1．3 本文的研究方向和意义 | 第14-19页 |
| 1．3．1 聚类研究的现状 | 第14-17页 |
| 1．3．2 本文研究的意义 | 第17-18页 |
| 1．3．3 本文的研究工作 | 第18-19页 |
| 1．4 小结 | 第19-20页 |
| 第2章 文本聚类技术研究 | 第20-27页 |
| 2．1 文本聚类的过程 | 第20-22页 |
| 2．1．1 文本表示 | 第20页 |
| 2．1．2 特征降维 | 第20-21页 |
| 2．1．3 文本聚类算法的选取 | 第21页 |
| 2．1．4 评价聚类结果的质量 | 第21-22页 |
| 2．2 文本聚类的主要算法 | 第22-26页 |
| 2．2．1 层次凝聚法 | 第22-23页 |
| 2．2．2 平面划分法 | 第23-24页 |
| 2．2．3 K最近邻参数聚类算法 | 第24页 |
| 2．2．4 自组织映射神经网络SOM | 第24-25页 |
| 2．2．5 基于概念的文本聚类 | 第25页 |
| 2．2．6 学习矢量量化的聚类方法 | 第25-26页 |
| 2．3 小结 | 第26-27页 |
| 第3章 中文文本聚类若干关键技术探讨 | 第27-34页 |
| 3．1 分词技术 | 第28页 |
| 3．2 文本表示 | 第28-30页 |
| 3．3 特征降维 | 第30-31页 |
| 3．4 权重评价 | 第31-32页 |
| 3．5 相似度计算 | 第32-33页 |
| 3．6 小结 | 第33-34页 |
| 第4章 中文文本聚类系统的设计与实现 | 第34-55页 |
| 4．1 K-平均聚类算法 | 第35-41页 |
| 4．1．1 算法介绍 | 第35-37页 |
| 4．1．2 系统结构 | 第37-38页 |
| 4．1．3 程序实现 | 第38-41页 |
| 4．2 基于 STC的中文文本算法 | 第41-51页 |
| 4．2．1 算法介绍 | 第41-47页 |
| 4．2．2 系统结构 | 第47-49页 |
| 4．2．3 程序实现 | 第49-51页 |
| 4．3 试验数据的对比和评价 | 第51-54页 |
| 4．4 小结 | 第54-55页 |
| 第5章 总结及展望 | 第55-57页 |
| 5．1 本文总结 | 第55页 |
| 5．2 进一步研究工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 A | 第62-63页 |
| 附录 B | 第63-64页 |
