基于语义相似度的群智能文本聚类方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·论文研究的背景和意义 | 第13-15页 |
| ·文本聚类 | 第15-17页 |
| ·文本聚类的应用 | 第15-16页 |
| ·文本聚类面临的问题 | 第16-17页 |
| ·群智能算法 | 第17-18页 |
| ·蚁群算法简介 | 第17页 |
| ·模拟退火算法简介 | 第17-18页 |
| ·本文的主要工作 | 第18页 |
| ·本文的组织结构 | 第18-20页 |
| 第2章 文本聚类的关键技术及聚类方法 | 第20-32页 |
| ·基本概念 | 第20-23页 |
| ·文本间的距离计算 | 第20-21页 |
| ·文本表示模型及权重 | 第21-23页 |
| ·文本预处理 | 第23-27页 |
| ·分词 | 第23页 |
| ·去停用词 | 第23-24页 |
| ·特征提取 | 第24-25页 |
| ·特征项的权重计算 | 第25-26页 |
| ·本文特征项权重计算 | 第26-27页 |
| ·聚类算法 | 第27-31页 |
| ·划分方法 | 第27-28页 |
| ·层次方法 | 第28-29页 |
| ·基于密度的聚类方法 | 第29-30页 |
| ·基于模型的聚类方法 | 第30-31页 |
| ·基于网格的聚类方法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 改进的文本间语义相似度计算方法 | 第32-44页 |
| ·《知网》简介 | 第32-35页 |
| ·《知网》的结构 | 第32-33页 |
| ·知网描述语言 | 第33-35页 |
| ·语义相似度计算方法 | 第35-37页 |
| ·义原相似度计算 | 第35-36页 |
| ·关键词相似度计算 | 第36-37页 |
| ·文本相似度计算 | 第37页 |
| ·本文的语义相似度计算 | 第37-39页 |
| ·近义词 | 第37页 |
| ·文本相似度计算 | 第37-39页 |
| ·基于语义相似度的 K-均值算法 | 第39-43页 |
| ·问题描述 | 第39页 |
| ·算法的实现 | 第39-40页 |
| ·实验结果比较 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 群智能算法在文本聚类问题中的应用 | 第44-55页 |
| ·蚁群算法 | 第44-47页 |
| ·蚁群算法基本原理 | 第44-45页 |
| ·蚁群系统模型 | 第45-46页 |
| ·蚁群算法的实现过程 | 第46-47页 |
| ·蚁群算法在聚类问题中的应用 | 第47-49页 |
| ·初始化 | 第47-48页 |
| ·移动 | 第48页 |
| ·蚁群算法在聚类问题中的实现 | 第48-49页 |
| ·模拟退火算法 | 第49-50页 |
| ·模拟退火算法原理 | 第49-50页 |
| ·模拟退火算法的实现 | 第50页 |
| ·群智能文本聚类算法 | 第50-53页 |
| ·群智能文本聚类算法的基本思想 | 第50-51页 |
| ·算法的实现 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 系统实现及实验结果分析 | 第55-62页 |
| ·软硬件环境 | 第55页 |
| ·功能模块设计 | 第55-57页 |
| ·语料库 | 第57-58页 |
| ·实验结果分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-71页 |
