| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本论文的研究背景 | 第10-12页 |
| ·社会所拥有的信息急增 | 第10页 |
| ·信息化社会以信息流为核心来带动 | 第10-12页 |
| ·本论文选题的意义 | 第12-14页 |
| ·本论文选题的研究基础 | 第14-17页 |
| ·研究现状 | 第14-16页 |
| ·面临的问题 | 第16-17页 |
| ·本论文选题的研究方向 | 第17-18页 |
| 第二章 文本挖掘的定义和相关概念介绍 | 第18-40页 |
| ·文本挖掘 | 第18-19页 |
| ·文本信息抽取(Text Information Extraction) | 第19-21页 |
| ·文本分类 | 第21-24页 |
| ·文本自动聚类 | 第24-27页 |
| ·层次凝聚聚类 | 第25-26页 |
| ·K均值聚类法 | 第26-27页 |
| ·文本数据压缩(Text Data Compression) | 第27-29页 |
| ·文本数据处理(Text Data Processing) | 第29-30页 |
| ·分类技术使用的算法 | 第30-37页 |
| ·基于词的分类技术 | 第30-34页 |
| ·基于字的归类技术 | 第34-35页 |
| ·基于对象的归类技术 | 第35-37页 |
| ·精细化营销 | 第37-40页 |
| 第三章 改进的全二分最大匹配分词算法 | 第40-53页 |
| ·自动分词算法介绍 | 第40-41页 |
| ·分词技术的难点 | 第41-43页 |
| ·当前重要的基于词典分词算法 | 第43-44页 |
| ·几种分词算法的比较 | 第44-46页 |
| ·改进的全二分最大匹配快速分词算法 | 第46-49页 |
| ·汉字编码体系 | 第46页 |
| ·汉语词的特点 | 第46-47页 |
| ·分词词典 | 第47-48页 |
| ·词条查找算法 | 第48-49页 |
| ·中文分词器设计 | 第49-50页 |
| ·中文分词器实现 | 第50-52页 |
| ·中文分词器分词结果分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第四章 文本挖掘预处理的相关研究 | 第53-66页 |
| ·向量空间模型 | 第53-58页 |
| ·向量空间模型描述 | 第53-55页 |
| ·向量空间模型存在问题 | 第55-56页 |
| ·加权的VSM算法改进 | 第56-58页 |
| ·文本特征向量建立过程 | 第58-65页 |
| ·文本特征项的选择 | 第58-59页 |
| ·使用互信息量进行特征项抽取 | 第59-60页 |
| ·使用DF和互信息的混和预处理方式 | 第60-62页 |
| ·试验结果以及分析 | 第62-63页 |
| ·文本特征向量的权重 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 文本挖掘的相关算法 | 第66-89页 |
| ·有监督学习和无监督学习 | 第66-67页 |
| ·文本挖掘算法的实现 | 第67-72页 |
| ·文本分类的过程 | 第67-68页 |
| ·文本训练过程 | 第68-72页 |
| ·文本挖掘算法KNN | 第72-83页 |
| ·K个最近邻居(K-Nearest-N eighbor) | 第72页 |
| ·基本概念 | 第72-73页 |
| ·算法 | 第73-74页 |
| ·实现 | 第74-75页 |
| ·文本挖掘算法SVM | 第75-76页 |
| ·SVM简介 | 第76页 |
| ·SMO及其改进算法简介 | 第76-77页 |
| ·语义SVM | 第77-80页 |
| ·算法框架 | 第80-83页 |
| ·文本挖掘朴素贝叶斯 | 第83-86页 |
| ·朴素贝叶斯简介 | 第83-84页 |
| ·信息几何和Fisher | 第84页 |
| ·两种特殊先验分布的讨论 | 第84-86页 |
| ·文本分类权值 | 第86-87页 |
| ·分类的评估指标 | 第87页 |
| ·分类阈值的确定 | 第87-89页 |
| 第六章 文本挖掘应用的系统结构框架研究 | 第89-95页 |
| ·系统结构框架 | 第89-90页 |
| ·系统设计 | 第90-91页 |
| ·软件环境 | 第91-95页 |
| 第七章 文本挖掘的应用设计与实践 | 第95-106页 |
| ·文本挖掘在中医学中的应用 | 第95-100页 |
| ·主题标引的机器学习方法 | 第95-97页 |
| ·基于SVM的副题词抽取及组配 | 第97-100页 |
| ·文本挖掘系统在中国移动客户需求挖掘中的应用 | 第100-106页 |
| ·文本数据所蕴含的客户需求 | 第100-102页 |
| ·移动客户需求挖掘系统应用框架 | 第102-103页 |
| ·应用成果及展望 | 第103-106页 |
| 第八章 总结 | 第106-107页 |
| ·本文的主要工作 | 第106页 |
| ·未来的工作展望 | 第106-107页 |
| 参考文献 | 第107-110页 |
| 致谢 | 第110-111页 |
| 攻读学位期间发表论文 | 第111页 |
