TextRank关键词提取算法与SOM文本聚类模型的优化研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 关键词提取 | 第9-11页 |
| 1.2.2 文本聚类算法 | 第11-12页 |
| 1.3 本文的主要创新点 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 文本聚类关键技术 | 第15-30页 |
| 2.1 文本聚类关键技术 | 第15-23页 |
| 2.1.1 中文分词 | 第15-16页 |
| 2.1.2 停用词处理 | 第16页 |
| 2.1.3 关键词提取 | 第16-20页 |
| 2.1.4 文本建模 | 第20-21页 |
| 2.1.5 文本聚类算法 | 第21-23页 |
| 2.2 TextRank算法 | 第23-26页 |
| 2.2.1 图模型的建立 | 第23-24页 |
| 2.2.2 关键词的排序 | 第24-25页 |
| 2.2.3 TextRank算法流程 | 第25-26页 |
| 2.3 SOM聚类算法 | 第26-29页 |
| 2.3.1 SOM的网格结构 | 第26-27页 |
| 2.3.2 SOM神经网络学习过程 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 TextRank文本关键词提取算法的改进 | 第30-44页 |
| 3.1 TextRank算法模型的分析与优化 | 第30-31页 |
| 3.2 两种改进的TextRank算法 | 第31-36页 |
| 3.2.1 MI-TextRank算法 | 第31-34页 |
| 3.2.2 TFMI-TextRank算法 | 第34-36页 |
| 3.3 实验设计与结果分析 | 第36-42页 |
| 3.3.1 实验环境 | 第36页 |
| 3.3.2 实验数据集 | 第36页 |
| 3.3.3 实验步骤与结果分析 | 第36-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 贝叶斯正则化的SOM文本聚类算法 | 第44-55页 |
| 4.1 贝叶斯正则化SOM提出的背景与思路 | 第44-45页 |
| 4.1.1 改进算法的提出背景 | 第44页 |
| 4.1.2 BR-SOM算法思路 | 第44-45页 |
| 4.2 BR-SOM聚类算法 | 第45-51页 |
| 4.2.1 贝叶斯正则化SOM的权值调整公式 | 第45-46页 |
| 4.2.2 贝叶斯正则化算法流程 | 第46-47页 |
| 4.2.3 仿真实验 | 第47-51页 |
| 4.3 基于BR-SOM算法的文本聚类 | 第51-53页 |
| 4.3.1 BR-SOM文本聚类流程 | 第51-52页 |
| 4.3.2 实验结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
