| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 研究目的 | 第12页 |
| 1.4 研究内容 | 第12-14页 |
| 第2章 理论基础 | 第14-22页 |
| 2.1 余弦相似度计算方法 | 第14-16页 |
| 2.1.1 文档的预处理方法 | 第14-15页 |
| 2.1.2 关键词权重的计算 | 第15-16页 |
| 2.2 谱聚类算法 | 第16-19页 |
| 2.2.1 谱图的概念以及划分标准 | 第16-17页 |
| 2.2.2 谱聚类算法中的基本概念 | 第17页 |
| 2.2.3 谱聚类算法的一般框架 | 第17-18页 |
| 2.2.4 谱聚类算法的本质 | 第18-19页 |
| 2.2.5 k-means算法 | 第19页 |
| 2.3 算法的复杂度衡量 | 第19-21页 |
| 2.3.1 算法的时间复杂度 | 第19-20页 |
| 2.3.2 算法的空间复杂度 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 系统核心功能算法设计 | 第22-35页 |
| 3.1 基于字典的机械专业大学生就业信息逐字符匹配算法设计 | 第22-24页 |
| 3.1.1 字典输出 | 第22-24页 |
| 3.1.2 逐字符匹配过程 | 第24页 |
| 3.2 基于谱聚类的机械专业大学生就业信息文本筛选算法设计 | 第24-34页 |
| 3.2.1 用户偏好信息的生成 | 第25页 |
| 3.2.2 基于中文字典的机械类就业信息语义单元划分 | 第25页 |
| 3.2.3 基于TF-IDF的机械类岗位关键词权值计算 | 第25-27页 |
| 3.2.4 机械类就业信息文本相似度计算 | 第27-29页 |
| 3.2.5 拉普拉斯矩阵生成算法 | 第29页 |
| 3.2.6 聚类数k的生成算法 | 第29-32页 |
| 3.2.7 基于k-means算法的机械类就业信息聚类 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 系统核心功能算法的试验与分析 | 第35-40页 |
| 4.1 基于字典的机械类大学生就业信息逐字符匹配算法 | 第35页 |
| 4.2 基于谱聚类的机械专业大学生就业信息筛选算法 | 第35-39页 |
| 4.2.1 算法准确度 | 第35-37页 |
| 4.2.2 算法的时间复杂度分析 | 第37-38页 |
| 4.2.3 算法的空间复杂度 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 总结 | 第40-42页 |
| 参考文献 | 第42-51页 |
| 致谢 | 第51-52页 |
| 附录 机械类就业信息文本 | 第52-61页 |
