基于隐含主题的文本谱聚类算法研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第7-14页 |
1.1 研究背景及意义 | 第7-8页 |
1.2 国内外研究的现状 | 第8-11页 |
1.2.1 文本聚类处理研究现状 | 第8-10页 |
1.2.2 主题模型的研究现状 | 第10-11页 |
1.3 论文主要研究工作 | 第11-12页 |
1.4 论文组织结构 | 第12-14页 |
第2章 文本聚类算法概述 | 第14-30页 |
2.1 文本聚类处理的过程 | 第14-15页 |
2.2 文本表示模型及相似度计算 | 第15-19页 |
2.2.1 文本表示模型 | 第15-18页 |
2.2.2 常用的文本相似性度量公式 | 第18-19页 |
2.3 常用的文本聚类算法 | 第19-23页 |
2.3.1 划分聚类方法 | 第20-21页 |
2.3.2 层次聚类方法 | 第21-22页 |
2.3.3 基于密度的聚类方法 | 第22页 |
2.3.4 基于网格的聚类方法 | 第22-23页 |
2.3.5 基于模型的聚类方法 | 第23页 |
2.4 谱聚类算法 | 第23-28页 |
2.4.1 谱聚类算法的图论基础 | 第24-25页 |
2.4.2 谱图划分理论 | 第25-27页 |
2.4.3 经典谱聚类算法 | 第27-28页 |
2.5 文本聚类的效果评价 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第3章 主题模型介绍 | 第30-37页 |
3.1 主题模型分析 | 第30页 |
3.2 基于LDA模型的文本表示 | 第30-33页 |
3.2.1 LDA模型的原理 | 第31-32页 |
3.2.2 LDA模型的参数估计 | 第32-33页 |
3.3 LDA模型的优化方向 | 第33-34页 |
3.4 对LDA模型主题个数选取的改进算法 | 第34-36页 |
3.5 本章小结 | 第36-37页 |
第4章 主题特征改进的谱聚类算法 | 第37-46页 |
4.1 特征加权的文本相似度计算 | 第37-42页 |
4.1.1 特征的选择 | 第37-38页 |
4.1.2 关键特征词相似度 | 第38-40页 |
4.1.3 隐含主题相似度 | 第40-41页 |
4.1.4 特征加权文本相似度计算 | 第41-42页 |
4.2 谱聚类算法自适应改进 | 第42-44页 |
4.3 特征加权的自适应谱聚类算法 | 第44-45页 |
4.4 本章小结 | 第45-46页 |
第5章 实验及结果分析 | 第46-58页 |
5.1 实验数据集 | 第46页 |
5.2 实验结果评价标准 | 第46-47页 |
5.3 实验设计 | 第47-51页 |
5.3.1 文本预处理 | 第48-49页 |
5.3.2 特征选择与文本相似度计算 | 第49-50页 |
5.3.3 自适应谱聚类 | 第50-51页 |
5.4 实验结果分析 | 第51-57页 |
5.4.1 自适应LDA模型自动确定主题个数 | 第51-53页 |
5.4.2 文本相似度计算中权值的确定 | 第53-54页 |
5.4.3 AFW-NJW算法对聚类数目的确定 | 第54-55页 |
5.4.4 AFW-NJW算法聚类效果评价 | 第55-57页 |
5.5 本章小结 | 第57-58页 |
第6章 总结与展望 | 第58-61页 |
6.1 本文工作总结 | 第58-59页 |
6.2 对未来工作的展望 | 第59-61页 |
参考文献 | 第61-65页 |
致谢 | 第65-66页 |
图目录 | 第66-67页 |
附录 | 第67-69页 |