| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·论文研究的背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究主要内容 | 第10页 |
| ·本文的组织框架 | 第10-13页 |
| 第二章 数据挖掘技术与文本聚类分析技术 | 第13-19页 |
| ·数据挖掘的基本概述 | 第13-14页 |
| ·数据挖掘的概念 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘的主要分析方法 | 第14-16页 |
| ·文本聚类概述 | 第16页 |
| ·文本聚类概念 | 第16页 |
| ·文本聚类过程 | 第16页 |
| ·常用的文本聚类算法 | 第16-18页 |
| ·基于划分的聚类算法 | 第17页 |
| ·基于层次的聚类算法 | 第17-18页 |
| ·基于密度的聚类算法 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 文本预处理及相关技术 | 第19-29页 |
| ·文本预处理概述 | 第19页 |
| ·中文分词处理 | 第19-21页 |
| ·文本表示模型——向量空间模型 | 第21-22页 |
| ·文本特征选择 | 第22-26页 |
| ·特征选择的概念及过程 | 第22-23页 |
| ·常用特征选择算法 | 第23-26页 |
| ·文本相似度度量 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 蚁群文本聚类算法研究 | 第29-47页 |
| ·蚁群算法基本理论 | 第29-35页 |
| ·蚁群算法的基本原理 | 第29-30页 |
| ·蚁群算法的数学模型 | 第30-34页 |
| ·蚁群算法的特点 | 第34-35页 |
| ·蚁群文本聚类算法的研究与改进 | 第35-41页 |
| ·基于蚁堆模型的蚁群聚类算法 | 第35-36页 |
| ·基本的蚁群文本聚类算法 | 第36-38页 |
| ·基本的蚁群文本聚类算法存在的问题 | 第38页 |
| ·改进的蚁群文本聚类算法 | 第38-41页 |
| ·实验结果对比分析 | 第41-45页 |
| ·实验数据 | 第41页 |
| ·评估方法 | 第41-42页 |
| ·参数设定 | 第42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 企业竞争情报分析与挖掘服务系统的设计与实现 | 第47-61页 |
| ·企业竞争情报分析与挖掘服务系统总体设计 | 第47-50页 |
| ·企业竞争情报与挖掘服务系统概述 | 第47-48页 |
| ·文本挖掘子系统功能概述 | 第48-49页 |
| ·文本挖掘子系统体系结构 | 第49-50页 |
| ·企业竞争情报文本挖掘子系统详细设计 | 第50-54页 |
| ·语言分词模块详细设计 | 第51-52页 |
| ·特征抽取模块详细设计 | 第52-53页 |
| ·文本分类模块详细设计 | 第53-54页 |
| ·文本聚类模块详细设计 | 第54页 |
| ·企业竞争情报分析与挖掘服务系统的应用 | 第54-60页 |
| ·系统开发环境 | 第54-55页 |
| ·系统界面演示 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·论文总结 | 第61页 |
| ·下一步工作 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |