| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·文本聚类研究概述 | 第10-13页 |
| ·文本聚类的定义 | 第10-11页 |
| ·文本聚类的研究现状和发展趋势 | 第11-13页 |
| ·本文的研究目的 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| 第二章 文本聚类中的词语权值计算 | 第15-22页 |
| ·基本概念 | 第15-17页 |
| ·文本预处理 | 第15-17页 |
| ·向量空间模型 | 第17页 |
| ·多重因子加权的词语权值计算方法 | 第17-20页 |
| ·频率加权因子 | 第18-19页 |
| ·语义加权因子 | 第19-20页 |
| ·基于多重因子加权的词语权值计算算法 | 第20-22页 |
| 第三章 用于文本聚类的特征选择算法 | 第22-28页 |
| ·特征选择的概念 | 第22-24页 |
| ·常用的文本聚类的特征选择方法 | 第24-26页 |
| ·文档频数(DF) | 第24-25页 |
| ·单词权(TS) | 第25页 |
| ·单词熵(EN) | 第25-26页 |
| ·一种新的无监督的特征选择方法——单词贡献度(TD) | 第26-27页 |
| ·计算单词贡献度的算法 | 第27-28页 |
| 第四章 文本聚类算法 | 第28-35页 |
| ·文本聚类过程 | 第28-29页 |
| ·三种常用的文本聚类算法 | 第29-31页 |
| ·DBSCAN算法 | 第29页 |
| ·Single-Link算法 | 第29-30页 |
| ·k-means算法 | 第30-31页 |
| ·一种改进的k-means算法 | 第31-35页 |
| ·新的初始中心选择思路 | 第31-32页 |
| ·新的初始中心选择算法 | 第32-33页 |
| ·改进的k-means算法描述 | 第33-35页 |
| 第五章 比较实验 | 第35-43页 |
| ·文本聚类结果的评价方法 | 第35-36页 |
| ·实验及结果分析 | 第36-43页 |
| ·权值计算方法的比较实验 | 第36-37页 |
| ·特征选择算法的比较实验 | 第37-40页 |
| ·聚类算法的比较实验 | 第40-43页 |
| 总结与展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士期间公开发表的论文 | 第48-49页 |
| 致谢 | 第49页 |