| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外的研究现状 | 第9页 |
| ·论文研究的内容 | 第9-10页 |
| ·Web 文本聚类的应用 | 第9-10页 |
| ·Web 文本聚类存在的问题 | 第10页 |
| ·论文研究的主要内容 | 第10页 |
| ·论文的章节安排 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第二章 Web 文本聚类的相关技术 | 第12-24页 |
| ·Web 网页的预处理 | 第12-15页 |
| ·网页的噪音分析 | 第12-13页 |
| ·中文网页的组成 | 第13-14页 |
| ·基于 HTML 标签的网页清洗算法 | 第14-15页 |
| ·Web 文本特征提取 | 第15-18页 |
| ·分词 | 第15-16页 |
| ·特征的提取方法 | 第16-17页 |
| ·特征的加权方法 | 第17-18页 |
| ·相似度计算方式 | 第18-20页 |
| ·明科夫斯基距离 | 第19页 |
| ·余弦相似度 | 第19-20页 |
| ·雅克比相似度 | 第20页 |
| ·聚类算法 | 第20-23页 |
| ·聚类算法的分析过程 | 第20页 |
| ·常用的聚类算法 | 第20-22页 |
| ·聚类算法的性能分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于 LSI 和 PLSI 模型的潜在语义特征提取 | 第24-36页 |
| ·向量空间模型 | 第25页 |
| ·LSI 模型 | 第25-28页 |
| ·原始矩阵的奇异值分解 | 第26-27页 |
| ·SVD 分解下的相似度比较 | 第27-28页 |
| ·PLSI 模型 | 第28-30页 |
| ·PLSI 模型假设 | 第28-29页 |
| ·EM 算法 | 第29-30页 |
| ·基于 LSI 的 PLSI 模型优化 | 第30-33页 |
| ·LSI 的概率模型 | 第31-32页 |
| ·基于 LSI 概率模型的 PLSI 模型优化 | 第32-33页 |
| ·网页概率潜在语义信息(WPLSI)算法 | 第33页 |
| ·本章小结 | 第33-36页 |
| 第四章 基于 WPLSI 算法的互联网用户兴趣点挖掘 | 第36-46页 |
| ·自动相似度阈值的选择 | 第36-38页 |
| ·自动相似度阈值的基本思想 | 第36-37页 |
| ·Web 文本的相似度阈值 | 第37-38页 |
| ·基于 WPLSI 和 HAK-mediods 的 Web 文本聚类 | 第38-40页 |
| ·k-means 算法 | 第38页 |
| ·k-mediods 算法 | 第38-39页 |
| ·凝聚式层次聚类算法 | 第39页 |
| ·基于 WPLSI 和 HAK-mediods 的 Web 文本聚类 | 第39-40页 |
| ·聚类有效性评价 | 第40页 |
| ·实验过程及结果分析 | 第40-45页 |
| ·Web 网页清洗 | 第40-42页 |
| ·建立原始的“文本--特征词”矩阵 | 第42-43页 |
| ·Web 网页数据集 | 第43页 |
| ·三种聚类算法的实验分析 | 第43-45页 |
| ·聚类算法的时间性能分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 PLSI 模型优化在大众分类系统中的实际应用 | 第46-54页 |
| ·大众分类系统的现状 | 第46-47页 |
| ·Folksonomy | 第46页 |
| ·标签选取--以豆瓣网为例 | 第46-47页 |
| ·实验数据的预处理 | 第47-48页 |
| ·实验语料的获取 | 第47-48页 |
| ·标签的潜在语义表示 | 第48页 |
| ·多个数据集下的聚类结果分析 | 第48-53页 |
| ·多个数据集 | 第48-49页 |
| ·实验结果分析 | 第49-52页 |
| ·时间消耗分析 | 第52-53页 |
| ·实验的不足与待改进之处 | 第53页 |
| ·本章小结 | 第53-54页 |
| 主要结论与展望 | 第54-55页 |
| 主要结论 | 第54页 |
| 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第59页 |
