| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 引言 | 第12-17页 |
| ·研究背景和意义 | 第12-13页 |
| ·文本聚类存在的问题 | 第13-15页 |
| ·文本对象的高维性和稀疏性 | 第13-14页 |
| ·同义词和近义词问题 | 第14-15页 |
| ·效率与精确度之间的搭配问题 | 第15页 |
| ·国内外研究现状 | 第15-16页 |
| ·论文组织 | 第16-17页 |
| 第2章 潜在语义索引及文本聚类概述 | 第17-28页 |
| ·潜在语义索引 | 第17-21页 |
| ·奇异值分解 | 第19-20页 |
| ·奇异值分解的几何解释 | 第20页 |
| ·利用奇异值分解计算各种相似关系 | 第20-21页 |
| ·文本聚类概述 | 第21-25页 |
| ·文本表示模型 | 第21-23页 |
| ·文本聚类算法 | 第23-25页 |
| ·聚类有效性评价 | 第25-28页 |
| ·熵（Entropy） | 第25-26页 |
| ·F-Measure | 第26页 |
| ·总体相似度（Overall Similarity） | 第26-28页 |
| 第3章 潜在语义索引中特征传递关系的选择 | 第28-44页 |
| ·特征传递关系 | 第28-31页 |
| ·文档内的特征传递关系 | 第29-31页 |
| ·文档之间的特征传递关系 | 第31页 |
| ·特征传递关系的选择 | 第31-34页 |
| ·实验与结果分析 | 第34-43页 |
| ·实验算法 | 第34-36页 |
| ·实验语料 | 第36-37页 |
| ·实验设计 | 第37-38页 |
| ·Complete-Linkage 算法的实验 | 第38-41页 |
| ·渐增式K-Means 算法的实验 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于文本最小相似度的初始中心选取方法 | 第44-56页 |
| ·问题的提出 | 第44-45页 |
| ·K-MEANS 和K-MEDOIDS 算法 | 第45-46页 |
| ·K-Means 算法 | 第45-46页 |
| ·K-Medoids 算法 | 第46页 |
| ·初始中心点选取方法 | 第46-47页 |
| ·最小相似度和的初始点选取方法 | 第47-49页 |
| ·实验与结果分析 | 第49-54页 |
| ·实验语料 | 第49-50页 |
| ·实验设计 | 第50-51页 |
| ·实验结果分析 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 系统实现 | 第56-61页 |
| ·系统框架 | 第56页 |
| ·关键技术的实现 | 第56-58页 |
| ·预处理 | 第56页 |
| ·潜在语义空间的构造 | 第56页 |
| ·检索过程 | 第56-58页 |
| ·改善检索结果 | 第58页 |
| ·实验与结果分析 | 第58-60页 |
| ·实验语料 | 第58页 |
| ·评测方法 | 第58-59页 |
| ·实验结果分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第68页 |