| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·问题提出 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文的研究内容 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 相关概念与技术 | 第16-30页 |
| ·数据空间概述 | 第16-22页 |
| ·数据空间的基本概念 | 第16页 |
| ·数据空间的关键技术 | 第16-19页 |
| ·数据空间原型系统 | 第19-22页 |
| ·文本聚类相关技术 | 第22-26页 |
| ·文本预处理 | 第22-23页 |
| ·文本表示 | 第23页 |
| ·文本特征抽取方法 | 第23-26页 |
| ·文本聚类算法 | 第26-28页 |
| ·K-均值聚类方法 | 第26页 |
| ·层次凝聚法 | 第26-27页 |
| ·神经网络方法 | 第27页 |
| ·基于频繁项集的文本聚类方法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 数据空间内文本信息抽取 | 第30-38页 |
| ·文本管理架构与范围 | 第30-32页 |
| ·文本内部信息分类 | 第32-34页 |
| ·信息抽取 | 第34-37页 |
| ·模式信息抽取 | 第35页 |
| ·特征信息抽取 | 第35-37页 |
| ·文本的数据项表示 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于模式信息的文本聚类 | 第38-48页 |
| ·聚类流程 | 第38-39页 |
| ·模式词选择 | 第39-43页 |
| ·文档向量表示 | 第43-44页 |
| ·文本聚类算法 | 第44-47页 |
| ·SOM介绍 | 第44-45页 |
| ·SOM工作原理 | 第45-46页 |
| ·优化SOM聚类算法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于特征信息的文本聚类 | 第48-58页 |
| ·基于频繁词集的文本聚类 | 第48-49页 |
| ·构建聚类树 | 第49-50页 |
| ·FTTC聚类算法 | 第50-57页 |
| ·FTTC主体思想 | 第51-52页 |
| ·聚类树的遍历 | 第52-53页 |
| ·节点的访问 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 实验分析 | 第58-64页 |
| ·实验设置 | 第58页 |
| ·实验数据源 | 第58页 |
| ·实验环境设置 | 第58页 |
| ·实验结果及分析 | 第58-63页 |
| ·实验Ⅰ：基于模式信息的聚类过程和结果分析 | 第58-60页 |
| ·实验Ⅱ：基于模式信息聚类的准确率和召回率 | 第60页 |
| ·实验Ⅲ：模式词约减和SOM优化对算法执行效率的影响 | 第60-61页 |
| ·实验Ⅳ：基于特征信息聚类中最小支持度对聚类个数的影响 | 第61-62页 |
| ·实验Ⅴ：基于特征信息的聚类算法执行效率对比实验 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 总结及展望 | 第64-66页 |
| ·本文的主要工作 | 第64-65页 |
| ·未来研究工作 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻硕期间科研及发表论文情况 | 第72页 |