| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的主要内容和组织结构 | 第12页 |
| ·本章小结 | 第12-14页 |
| 第二章 Web文本挖掘 | 第14-24页 |
| ·数据挖掘 | 第14-18页 |
| ·数据挖掘的概述 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘一般方法 | 第15-17页 |
| ·数据挖掘研究方向 | 第17-18页 |
| ·Web挖掘 | 第18-21页 |
| ·Web挖掘概念 | 第18页 |
| ·Web挖掘分类 | 第18-21页 |
| ·文本挖掘 | 第21-22页 |
| ·文本挖掘的概念 | 第21页 |
| ·文本挖掘的过程 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 Web文本聚类技术 | 第24-34页 |
| ·聚类概述 | 第24页 |
| ·文本聚类 | 第24-26页 |
| ·文本聚类的流程 | 第26-33页 |
| ·文本预处理 | 第26页 |
| ·分词 | 第26-27页 |
| ·文本表示 | 第27-29页 |
| ·查询和文档的相似度计算 | 第29-30页 |
| ·文本特征选择 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 聚类算法分析 | 第34-50页 |
| ·聚类分析 | 第34页 |
| ·主要聚类方法 | 第34-39页 |
| ·划分方法 | 第35-36页 |
| ·层次方法 | 第36页 |
| ·基于密度聚类方法 | 第36-37页 |
| ·自组织特征映射方法 | 第37页 |
| ·基于网格的方法 | 第37-38页 |
| ·其他的聚类方法 | 第38-39页 |
| ·文本聚类评价 | 第39-41页 |
| ·F度量 | 第39页 |
| ·熵 | 第39-40页 |
| ·互信息 | 第40页 |
| ·纯度 | 第40-41页 |
| ·K-means算法分析 | 第41-45页 |
| ·K-means算法描述 | 第41-43页 |
| ·K-means算法面临的一些问题 | 第43-45页 |
| ·一种基于均值密度和距离的中心点选择方法 | 第45-48页 |
| ·改进算法的基本思想及其流程 | 第45-46页 |
| ·孤立点的处理 | 第46-47页 |
| ·聚类算法描述 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于K-means的中文新闻文本聚类的实现 | 第50-58页 |
| ·系统开发平台及环境 | 第50页 |
| ·语料库的选择 | 第50页 |
| ·系统具体设置 | 第50-54页 |
| ·预处理模块 | 第51-52页 |
| ·聚类模块 | 第52-54页 |
| ·文本聚类模块 | 第54页 |
| ·试验结果分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 全文总结和展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间发表的学术论文目录 | 第66页 |