基于SOM的文本聚类及其在搜索结果中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章绪论 | 第9-17页 |
| ·课题背景 | 第9-13页 |
| ·搜索引擎中的信息挖掘技术 | 第9-11页 |
| ·文本挖掘的定义 | 第11页 |
| ·文本挖掘的过程 | 第11-12页 |
| ·课题研究背景 | 第12-13页 |
| ·国内外研究动态 | 第13-15页 |
| ·本文主要研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第二章数据挖掘及其聚类算法综述 | 第17-27页 |
| ·数据挖掘 | 第17-19页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘过程 | 第18-19页 |
| ·文本数据挖掘 | 第19-22页 |
| ·文本数据挖掘技术的定义 | 第19-20页 |
| ·文本数据挖掘分类 | 第20-22页 |
| ·聚类分析 | 第22-26页 |
| ·聚类算法简介 | 第22页 |
| ·文本聚类算法及判断标准 | 第22-23页 |
| ·常用文本聚类算法的分析与比较 | 第23-25页 |
| ·文本聚类研究进展 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章中文分词技术 | 第27-35页 |
| ·中文分词的概念 | 第27页 |
| ·文本分词的一般方法 | 第27-29页 |
| ·基于字符串匹配的分词方法 | 第27-28页 |
| ·基于理解的分词方法 | 第28页 |
| ·基于统计的分词方法 | 第28-29页 |
| ·中文分词中的难点 | 第29-31页 |
| ·分词歧义 | 第29-30页 |
| ·未登录词识别 | 第30-31页 |
| ·中文分词的国内外研究现状 | 第31-32页 |
| ·中文分词的应用 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章特征关键词的提取 | 第35-45页 |
| ·文本的表示方法 | 第35页 |
| ·向量空间模型 | 第35-41页 |
| ·向量空间的定义 | 第36-37页 |
| ·项的选择 | 第37-38页 |
| ·项的权重计算 | 第38-39页 |
| ·特征项的抽取 | 第39-40页 |
| ·VSM的总结 | 第40-41页 |
| ·提取特征关键词的方法 | 第41-43页 |
| ·降维的必要性 | 第41页 |
| ·特征词提取的方法 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 SOM神经网络聚类 | 第45-53页 |
| ·神经网络概述 | 第45-48页 |
| ·人工神经网络的特点 | 第45-46页 |
| ·神经网络的工作原理 | 第46-47页 |
| ·采用神经元网络来实现聚类分析的原因 | 第47-48页 |
| ·SOM神经网络概述 | 第48-51页 |
| ·SOM神经网络简介 | 第48页 |
| ·SOM神经网络的工作原理 | 第48-49页 |
| ·SOM算法中常用的几个概念 | 第49-50页 |
| ·SOM神经网络算法 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 模型的实现和设计 | 第53-65页 |
| ·系统模型 | 第53页 |
| ·功能模块 | 第53-58页 |
| ·系统原形设计及实验结果分析 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 第七章 论文总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 在读期间发表论文 | 第73页 |
