文本挖掘算法及其在知识管理中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-31页 |
| ·选题背景 | 第12-13页 |
| ·文本挖掘技术综述 | 第13-25页 |
| ·特征提取 | 第15页 |
| ·文本表示 | 第15-17页 |
| ·文本分类技术 | 第17-20页 |
| ·文本聚类技术 | 第20-25页 |
| ·知识管理综述 | 第25-28页 |
| ·本论文的主要工作 | 第28-31页 |
| 第二章 无词典的中文文本特征提取方法研究 | 第31-43页 |
| ·无词典分词模型 | 第31-33页 |
| ·模式滤除算法 | 第33-38页 |
| ·桥接模式与桥接模式的支持频率 | 第33-34页 |
| ·基于出现频率的结合模式筛选算法 | 第34-35页 |
| ·基于支持频率的结合模式筛选算法 | 第35-36页 |
| ·BPFA算法流程 | 第36-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 文本粗分类数据中噪声修正的网络算法 | 第43-62页 |
| ·噪声数据对分类结果的影响 | 第44-47页 |
| ·文档关联网络 | 第47-49页 |
| ·网络的构建及社团结构 | 第47-48页 |
| ·社团结构的评价指标 | 第48-49页 |
| ·噪声数据的修正算法及实验结果 | 第49-55页 |
| ·噪声数据的修正算法 | 第49-52页 |
| ·实验结果分析 | 第52-55页 |
| ·噪声修正改进算法及实验结果 | 第55-61页 |
| ·噪声修正的改进算法 | 第55-59页 |
| ·实验结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于公共连接强度的文本聚类算法研究 | 第62-75页 |
| ·相关研究介绍 | 第62-65页 |
| ·基于公共连接强度的聚类算法 | 第65-67页 |
| ·实验结果 | 第67-74页 |
| ·聚类结果的评价指标 | 第67-68页 |
| ·拓扑网络数据的实验结果 | 第68-71页 |
| ·带权网络数据的实验结果 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 文本挖掘方法在基金项目管理中的应用 | 第75-101页 |
| ·分析系统的整体框架 | 第75-76页 |
| ·项目关联网络的构建 | 第76-78页 |
| ·项目的特征向量模型 | 第76-78页 |
| ·项目关联网络的特性分析 | 第78-84页 |
| ·WRAN的统计特性 | 第78-84页 |
| ·距离与中心性 | 第79-81页 |
| ·平均集聚系数 | 第81-84页 |
| ·项目关联网络在项目管理中的应用 | 第84-85页 |
| ·在项目判重中的应用 | 第84页 |
| ·寻找热点研究领域 | 第84-85页 |
| ·学科分类知识发现 | 第85-95页 |
| ·数据及分析指标 | 第86-87页 |
| ·基于文本分类技术的学科知识发现 | 第87-91页 |
| ·基于噪声修正的学科知识发现 | 第91-95页 |
| ·聚类算法在研究领域知识发现中的应用 | 第95-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 总结与展望 | 第101-103页 |
| ·总结 | 第101-102页 |
| ·展望 | 第102-103页 |
| 参考文献 | 第103-118页 |
| 攻读博士学位期间的研究成果及发表的论文 | 第118-120页 |
| 致谢 | 第120-121页 |
