基于频繁词集词共现网络的短文本聚类方法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 研究现状 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 2 文本聚类相关技术 | 第16-27页 |
| 2.1 数据预处理 | 第16-20页 |
| 2.1.1 中文分词 | 第17-18页 |
| 2.1.2 去停用词 | 第18页 |
| 2.1.3 短文本数据 | 第18-20页 |
| 2.2 文本建模 | 第20-22页 |
| 2.2.1 布尔模型 | 第20-21页 |
| 2.2.2 向量空间模型 | 第21页 |
| 2.2.3 概率模型 | 第21-22页 |
| 2.3 文本相似度计算 | 第22-23页 |
| 2.4 传统聚类方法 | 第23-26页 |
| 2.4.1 基于划分的方法 | 第23-24页 |
| 2.4.2 基于层次的方法 | 第24-25页 |
| 2.4.3 基于密度的方法 | 第25-26页 |
| 2.4.4 谱聚类方法 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于频繁词集词共现网络的短文本聚类算法 | 第27-45页 |
| 3.1 算法思想 | 第27页 |
| 3.2 相关知识 | 第27-30页 |
| 3.2.1 社区发现 | 第27-28页 |
| 3.2.2 频繁项集挖掘 | 第28-30页 |
| 3.3 频繁词集词共现网络 | 第30-31页 |
| 3.3.1 频繁词集 | 第30页 |
| 3.3.2 频繁词集词共现网络 | 第30-31页 |
| 3.4 基于频繁词集词共现网络的短文本聚类算法 | 第31-37页 |
| 3.5 FWN算法实验与分析 | 第37-38页 |
| 3.5.1 实验环境 | 第37页 |
| 3.5.2 实验数据 | 第37页 |
| 3.5.3 实验评价指标 | 第37-38页 |
| 3.5.4 实验结果及分析 | 第38页 |
| 3.6 微博话题发现应用 | 第38-44页 |
| 3.6.1 相关背景 | 第38-39页 |
| 3.6.2 微博数据预处理 | 第39-40页 |
| 3.6.3 微博话题发现实验 | 第40-44页 |
| 3.7 本章小结 | 第44-45页 |
| 4 搜索结果聚类 | 第45-57页 |
| 4.1 背景意义 | 第45-46页 |
| 4.2 相关工作 | 第46页 |
| 4.3 搜索结果聚类实验 | 第46-49页 |
| 4.3.1 实验数据 | 第46-47页 |
| 4.3.2 实验与对照 | 第47-48页 |
| 4.3.3 实验结果分析 | 第48-49页 |
| 4.4 百度新闻搜索结果聚类系统 | 第49-53页 |
| 4.4.1 数据获取模块 | 第50-51页 |
| 4.4.2 数据预处理模块 | 第51-52页 |
| 4.4.3 FWN短文本聚类 | 第52-53页 |
| 4.5 百度新闻搜索结果聚类系统 | 第53-56页 |
| 4.5.1 系统架构 | 第53页 |
| 4.5.2 系统开发环境 | 第53-54页 |
| 4.5.3 系统界面 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 5 结论 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 存在问题以及工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |
