| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.2.1 理论意义 | 第11页 |
| 1.2.2 现实意义 | 第11-12页 |
| 1.3 论文的创新点 | 第12页 |
| 1.4 论文的结构安排 | 第12-13页 |
| 1.5 论文的技术路线 | 第13-14页 |
| 2 相关理论与知识研究 | 第14-25页 |
| 2.1 聚类算法 | 第14-18页 |
| 2.1.1 聚类算法的基本概念与实现 | 第14-15页 |
| 2.1.2 聚类算法的分类 | 第15-18页 |
| 2.2 K-MEANS聚类算法 | 第18-20页 |
| 2.2.1 K-means算法基本思想 | 第18页 |
| 2.2.2 K-means算法流程 | 第18-19页 |
| 2.2.3 K-means 中心点选择及其研究 | 第19-20页 |
| 2.3 网络社区相关研究 | 第20-25页 |
| 2.3.1 网络社区概念 | 第20-21页 |
| 2.3.2 网络社区聚类 | 第21-23页 |
| 2.3.3 学术网络社区概念 | 第23-25页 |
| 3 学术网络社区数据收集与预处理研究 | 第25-33页 |
| 3.1 数据获取 | 第25-27页 |
| 3.1.1 数据获取对象 | 第25页 |
| 3.1.2 直接获取的数据 | 第25-26页 |
| 3.1.3 间接获取的数据 | 第26-27页 |
| 3.2 数据的预处理 | 第27-33页 |
| 3.2.1 数据清洗 | 第27-29页 |
| 3.2.2 词频统计 | 第29-30页 |
| 3.2.3 构建共词矩阵 | 第30-33页 |
| 4 基于K-MEANS算法的学术网络社区聚类 | 第33-40页 |
| 4.1 实验环境 | 第33页 |
| 4.2 热词间的距离 | 第33页 |
| 4.3 K-MEANS聚类 | 第33-40页 |
| 4.3.1 类中心选择的初始情况 | 第33页 |
| 4.3.2 K-means算法聚类迭代 | 第33-37页 |
| 4.3.3 K-means算法结果 | 第37-40页 |
| 5 基于聚类结果学术网络社区特点与发展建议 | 第40-54页 |
| 5.1 基于聚类的产学研学术网络社区 | 第40-44页 |
| 5.1.1 基于聚类关键词的产学研网络社区特点 | 第40-42页 |
| 5.1.2 基于实际研究的产学研网络社区特点 | 第42-43页 |
| 5.1.3 产学研网络社区发展策略建议 | 第43-44页 |
| 5.2 基于聚类的专业学术网络社区 | 第44-48页 |
| 5.2.1 基于聚类的专业学术网络社区特点 | 第45-46页 |
| 5.2.2 基于实际研究专业学术网络社区特点 | 第46-47页 |
| 5.2.3 基于聚类的专业学术网络社区发展策略建议 | 第47-48页 |
| 5.3 基于聚类的问答学术网络社区 | 第48-52页 |
| 5.3.1 基于聚类的问答学术网络社区特点 | 第48-49页 |
| 5.3.2 基于实际的问答学术网络社区特点 | 第49-50页 |
| 5.3.3 基于聚类的问答学术网络社区发展策略建议 | 第50-52页 |
| 5.4 基于聚类的综合性学术网络社区 | 第52-54页 |
| 5.4.1 基于聚类的综合研学术网络社区特点 | 第52-53页 |
| 5.4.2 基于聚类的综合学术网络社区发展策略建议 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第64-65页 |
| 附录 | 第65-91页 |
