| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 前言 | 第11-17页 |
| ·聚类分析概述 | 第11-13页 |
| ·文本聚类 | 第13-15页 |
| ·文本聚类的定义 | 第13页 |
| ·文本聚类的主要应用 | 第13-14页 |
| ·文本聚类的难点 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| ·全文的组织结构 | 第16-17页 |
| 第2章 文本聚类过程 | 第17-30页 |
| ·文本预处理 | 第17-18页 |
| ·特征选取 | 第18页 |
| ·文本表示 | 第18-20页 |
| ·布尔模型 | 第19-20页 |
| ·概率模型 | 第20页 |
| ·相似度计算 | 第20-23页 |
| ·相似性测度 | 第20-21页 |
| ·常用的距离函数 | 第21-22页 |
| ·相似系数函数 | 第22-23页 |
| ·聚类算法概述 | 第23-27页 |
| ·基于层次的方法(hierarchical method) | 第23-24页 |
| ·基于划分的方法(partition-based clustering) | 第24-26页 |
| ·基于密度的方法(density-based method) | 第26页 |
| ·基于网格的方法(grid-based method) | 第26-27页 |
| ·基于模型的方法(model-based method) | 第27页 |
| ·后缀树算法(Suffix Tree Clustering) | 第27页 |
| ·其他的聚类算法 | 第27页 |
| ·聚类质量的评测 | 第27-29页 |
| ·F-Measure | 第28页 |
| ·纯度 | 第28页 |
| ·熵 | 第28-29页 |
| ·整体相似度 | 第29页 |
| ·小结 | 第29-30页 |
| 第3章 基于边界距离的多向量文本聚类方法 | 第30-45页 |
| ·多向量文本表示 | 第30-32页 |
| ·传统向量空间模型 | 第30-31页 |
| ·多向量文本表示 | 第31-32页 |
| ·相似度定义 | 第32-34页 |
| ·基于边界距离的层次聚类算法 | 第34-35页 |
| ·实验语料 | 第35-37页 |
| ·实验结果及分析 | 第37-44页 |
| ·K 值的选取 | 第37-39页 |
| ·层次聚类算法对比实验 | 第39-40页 |
| ·特征选取与K 值的关系 | 第40-41页 |
| ·层次聚类算法与渐增式K-Means 算法的对比 | 第41-43页 |
| ·不同文本表示方法对比试验 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 基于知网的特征抽取方法 | 第45-55页 |
| ·语义资源--知网 | 第46-47页 |
| ·基于知网相关概念场的词义消歧 | 第47-50页 |
| ·基于描述能力的义原抽取 | 第50-51页 |
| ·实验语料 | 第51页 |
| ·实验结果与分析 | 第51-53页 |
| ·小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
