| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 课题研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 文本聚类的方法和过程 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 文本预处理 | 第17-21页 |
| 2.2.1 文本格式化 | 第18-19页 |
| 2.2.2 文本分词及词性标注 | 第19页 |
| 2.2.3 去停用词和词性过滤 | 第19-21页 |
| 2.3 文本向量表示与特征降维 | 第21-26页 |
| 2.3.1 文本向量表示 | 第21-22页 |
| 2.3.2 特征降维（Dimensionality Reduction） | 第22-23页 |
| 2.3.3 词袋模型与降维 | 第23-24页 |
| 2.3.4 主题模型与降维 | 第24-26页 |
| 2.4 常见文本聚类方法 | 第26-27页 |
| 2.4.1 K-均值聚类（K-means） | 第26页 |
| 2.4.2 二分K均值聚类（Bisecting K-means） | 第26-27页 |
| 2.5 本章小节 | 第27-28页 |
| 第3章 TDE-DC新闻文本聚类方法 | 第28-37页 |
| 3.1 TDE-DC模型基本思想 | 第28-29页 |
| 3.1.1 新闻长文本聚类的困难 | 第28-29页 |
| 3.1.2 解决方法 | 第29页 |
| 3.2 主题文档向量TDE的获取 | 第29-35页 |
| 3.2.1 通过Skip-Gram获取词向量（Word Embedding） | 第29-33页 |
| 3.2.2 通过LDA获取主题向量（Topic Embedding） | 第33-34页 |
| 3.2.3 主题词向量TWE（Topic Word Embedding） | 第34-35页 |
| 3.2.4 主题文档向量TDE（Topic Document Embedding） | 第35页 |
| 3.3 TDE-DC文本聚类 | 第35-36页 |
| 3.3.2 聚类方法的选择 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 算法实现与实验分析 | 第37-47页 |
| 4.1 TDE-DC文本聚类的实现 | 第37-40页 |
| 4.1.0 数据集 | 第38页 |
| 4.1.1 预处理 | 第38-39页 |
| 4.1.2 参数设定 | 第39-40页 |
| 4.1.3 对比试验 | 第40页 |
| 4.2 文本聚类评估指标 | 第40-43页 |
| 4.2.1 熵值（Entropy） | 第40-41页 |
| 4.2.2 纯度（purity） | 第41页 |
| 4.2.3 标准化互信息（NMI） | 第41页 |
| 4.2.4 F值 | 第41-43页 |
| 4.3 实验分析 | 第43-46页 |
| 4.3.1 实验环境 | 第43页 |
| 4.3.2 内存使用测试 | 第43-44页 |
| 4.3.3 训练消耗时间测试 | 第44页 |
| 4.3.4 聚类效果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结和展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录 | 第52-54页 |
| 附录1计算所汉语词性标记集 | 第52-53页 |
| 附录2常用的中文分词工具 | 第53-54页 |
| 附录3停用词库 | 第54页 |
