| 摘要 | 第1-3页 |
| ABSTRACT | 第3-10页 |
| 第一章 绪论 | 第10-16页 |
| 1．1 研究课题的来源、目的和意义 | 第10-14页 |
| 1．1．1 Web 文本挖掘的来源和背景 | 第10页 |
| 1．1．2 Web 文本挖掘的发展和主要技术 | 第10-12页 |
| 1．1．3 国内外Web 文本挖掘的主要产品 | 第12-14页 |
| 1．2 本文工作 | 第14-16页 |
| 1．2．1 研究目标 | 第14页 |
| 1．2．2 研究内容 | 第14-15页 |
| 1．2．3 论文组织 | 第15-16页 |
| 第二章 WEB 文本挖掘系统的关键技术 | 第16-24页 |
| 2．1 WEB 文本挖掘系统的设计 | 第16-20页 |
| 2．1．1 Web 文本挖掘的过程和系统框架的设计 | 第16-17页 |
| 2．1．2 关键系统子模块的功能实现 | 第17-20页 |
| 2．1．2．1 中文网页采集器 | 第17-18页 |
| 2．1．2．2 预处理器 | 第18-19页 |
| 2．1．2．3 知识挖掘子系统(聚类/分类/文本分析) | 第19-20页 |
| 2．1．2．4 知识模式评估 | 第20页 |
| 2．2 文本聚类技术的研究 | 第20-23页 |
| 2．2．1 Web 文本聚类与传统的聚类分析的不同点 | 第20-21页 |
| 2．2．2 常用的Web 文本聚类技术 | 第21-23页 |
| 2．2．2．1 层次凝聚法 | 第21页 |
| 2．2．2．2 平面划分法 | 第21-22页 |
| 2．2．2．3 简单的贝叶斯文本聚类算法 | 第22页 |
| 2．2．2．4 基于SOM 网络的文本聚类算法 | 第22-23页 |
| 2．3 小结 | 第23-24页 |
| 第三章 一种基于知网的中文文本概念聚类算法的实现 | 第24-37页 |
| 3．1 问题概述 | 第24-25页 |
| 3．1．1 中文文本聚类 | 第24页 |
| 3．1．2 基于概念的文本聚类的研究现状 | 第24-25页 |
| 3．2 一种基于概念的中文文本聚类算法 | 第25-32页 |
| 3．2．1 特征集预处理 | 第25-26页 |
| 3．2．2 引入HowNet 作为算法的背景知识 | 第26-30页 |
| 3．2．2．1 HowNet 知网系统 | 第26-27页 |
| 3．2．2．2 概念词典的建立 | 第27-29页 |
| 3．2．2．2 概念消歧策略 | 第29-30页 |
| 3．2．3 概念集向量空间的建立 | 第30-31页 |
| 3．2．3．1 概念映射 | 第30页 |
| 3．2．3．2 概念集向量描述 | 第30-31页 |
| 3．2．4 基于BiSec-k-Means 的聚类分析算法 | 第31页 |
| 3．2．5 类簇说明的标注抽取 | 第31-32页 |
| 3．3 实验分析 | 第32-36页 |
| 3．3．1 聚类评估标准 | 第32-34页 |
| 3．3．3．1 Entropy 标准 | 第33页 |
| 3．3．3．2 Precision 标准 | 第33-34页 |
| 3．3．2 聚类质量分析 | 第34-36页 |
| 3．3．2．1 实验数据 | 第34页 |
| 3．3．2．2 聚类结果分析 | 第34-36页 |
| 3．4 小结 | 第36-37页 |
| 第四章 一种改进的动态的中文文本概念聚类算法 | 第37-46页 |
| 4．1 问题概述 | 第37-38页 |
| 4．1．1 基于知网的中文文本聚类算法的分析 | 第37页 |
| 4．1．2 一种动态的中文文本概念聚类算法的提出 | 第37-38页 |
| 4．2 粗糙集理论的相关背景和概念 | 第38-40页 |
| 4．2．1 背景介绍 | 第38页 |
| 4．2．2 相关概念 | 第38-40页 |
| 4．3 一种动态的中文文本概念聚类算法 | 第40-43页 |
| 4．3．1 预处理过程 | 第40-41页 |
| 4．3．2 对部分概念集进行粗糙集属性选取 | 第41-42页 |
| 4．3．3 二次聚类学习 | 第42-43页 |
| 4．4 实验分析 | 第43-44页 |
| 4．5 小结 | 第44-46页 |
| 第五章 中文文本聚类类簇的二次聚类分析 | 第46-57页 |
| 5．1 问题概述 | 第46-47页 |
| 5．1．1 非概念聚类分析技术应用在文本聚类中的特点分析 | 第46页 |
| 5．1．2 形式概念分析技术 | 第46-47页 |
| 5．2 形式概念分析相关概念和算法 | 第47-52页 |
| 5．2．1 背景和相关概念 | 第47-49页 |
| 5．2．2 概念格的构造算法的主要思想 | 第49-52页 |
| 5．2．2．1 概念格的批处理生成算法 | 第50-51页 |
| 5．2．2．2 概念格的渐进式生成算法 | 第51-52页 |
| 5．3 文本类簇的形式概念分析 | 第52-56页 |
| 5．3．1 预处理 | 第52页 |
| 5．3．2 概念格的构造 | 第52-54页 |
| 5．3．3 结果分析 | 第54-56页 |
| 5．4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6．1 本文的主要研究成果和创新点 | 第57页 |
| 6．2 存在的问题和对未来工作的展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢语 | 第61-62页 |
| 个人简历,在学期间研究工作及发表论文 | 第62页 |
| 个人简历 | 第62页 |
| 在学期间研究工作 | 第62页 |
| 硕士期间所完成发表的论文 | 第62页 |
