基于文本相似度计算的文本聚类算法研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·文本聚类算法概述 | 第11-15页 |
| ·基于层次的聚类算法 | 第12-13页 |
| ·基于划分的聚类算法 | 第13页 |
| ·基于密度的聚类方法 | 第13-14页 |
| ·基于网格的聚类算法 | 第14页 |
| ·基于模型的聚类算法 | 第14-15页 |
| ·其他文本聚类算法 | 第15页 |
| ·文本聚类算法一般流程 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| ·论文组织结构 | 第17-19页 |
| 第2章 中文文本的数学化建模 | 第19-31页 |
| ·文本数学化建模的意义及困难 | 第19-21页 |
| ·中文文本建模的相关技术 | 第21-26页 |
| ·分词 | 第21-24页 |
| ·歧义消除 | 第24页 |
| ·自动抽取关键词 | 第24-25页 |
| ·特征项权值计算方法 | 第25-26页 |
| ·适合多文本相似度计算的文本表示模型研究 | 第26-30页 |
| ·相关定义及假设 | 第26-27页 |
| ·文本预处理 | 第27页 |
| ·关键词抽取方法 | 第27-29页 |
| ·文本表示模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 中文文本相似度算法研究 | 第31-43页 |
| ·相似度算法概述 | 第31-38页 |
| ·基于向量空间模型的方法 | 第31-33页 |
| ·隐性语义标引方法 | 第33-35页 |
| ·基于汉明距离的文本相似度计算方法 | 第35-36页 |
| ·基于属性论的文本相似度计算方法 | 第36-37页 |
| ·基于语义的文本相似度计算方法 | 第37页 |
| ·各相似度算法的优缺点比较 | 第37-38页 |
| ·文本相似度计算的应用 | 第38页 |
| ·一种改进的文本相似度算法 | 第38-42页 |
| ·相关支持及定义 | 第38-42页 |
| ·算法描述 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于文本相似度的文本聚类算法设计 | 第43-52页 |
| ·基于密度的文本聚类算法概述 | 第43-47页 |
| ·DBSCAN 算法 | 第44-46页 |
| ·OPTICS 算法 | 第46页 |
| ·KNNCLUST 算法 | 第46-47页 |
| ·基于文本相似度的文本聚类算法总体结构设计 | 第47-51页 |
| ·设计目标 | 第47-49页 |
| ·总体结构设计 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于文本相似度计算的文本聚类模型实现 | 第52-61页 |
| ·实验环境 | 第52页 |
| ·聚类模型各功能模块实现 | 第52-58页 |
| ·文本预处理 | 第54-56页 |
| ·相似度计算 | 第56-57页 |
| ·文本聚类 | 第57-58页 |
| ·实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
