| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·数据挖掘概述 | 第8-10页 |
| ·聚类理论概述 | 第10-11页 |
| ·网络文本挖掘 | 第11页 |
| ·社团发现概述 | 第11-12页 |
| ·本文的工作 | 第12-13页 |
| ·本文的结构 | 第13-14页 |
| 第二章 聚类分析的理论及算法 | 第14-32页 |
| ·模式相似性测量 | 第15-18页 |
| ·簇的定义与簇间距离 | 第18-20页 |
| ·聚类的算法 | 第20-24页 |
| ·聚类效果评估 | 第24-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于LCS的Web文本聚类算法 | 第32-49页 |
| ·文本的表示 | 第32-34页 |
| ·网络环境中特征项的抽取 | 第34-36页 |
| ·评估方法 | 第36页 |
| ·基于改进最长公共子序列的热点序列发现 | 第36-43页 |
| ·典型的文本聚类算法 | 第43-45页 |
| ·基于改进 LCS的文本聚类算法 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第四章 基于谱分解的Web社团聚类算法 | 第49-68页 |
| ·复杂网络虚拟社团挖掘 | 第49-51页 |
| ·典型的虚拟社团挖掘方法研究 | 第51-54页 |
| ·基于 Laplace特征值分解的虚拟社团发现方法 | 第54-60页 |
| ·谱分析方法在 BBS网络社团中的应用 | 第60-63页 |
| ·虚拟社团中心的分析 | 第63-67页 |
| ·小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 硕士期间发表的论文 | 第75-76页 |
| 致谢 | 第76-77页 |