| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·文本聚类的研究现状 | 第8-9页 |
| ·本课题的主要内容 | 第9-10页 |
| ·本论文的章节安排 | 第10-11页 |
| 第2章 文本聚类分析 | 第11-22页 |
| ·聚类分析 | 第11页 |
| ·聚类过程 | 第11-12页 |
| ·文本聚类 | 第12-20页 |
| ·文本表示 | 第13-14页 |
| ·文本的特征选择 | 第14-17页 |
| ·特征权重的计算方法 | 第17-18页 |
| ·常用的文本聚类算法 | 第18-20页 |
| ·文本聚类的性能评估方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 WEB 用户兴趣挖掘模型 | 第22-31页 |
| ·WEB 挖掘 | 第22-25页 |
| ·Web 挖掘的意义 | 第22页 |
| ·Web 挖掘分类 | 第22-23页 |
| ·Web 数据挖掘对象 | 第23-25页 |
| ·用户兴趣挖掘模型 | 第25-30页 |
| ·用户兴趣挖掘方法 | 第25-26页 |
| ·Web 内容的的用户兴趣挖掘 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 人工免疫网络与基于免疫网络的聚类算法研究 | 第31-50页 |
| ·免疫系统概述 | 第31-32页 |
| ·免疫网络理论 | 第32-33页 |
| ·克隆选择学说 | 第33-34页 |
| ·人工免疫网络 | 第34-35页 |
| ·基于免疫网络聚类算法及分析 | 第35-38页 |
| ·相关定义 | 第35-36页 |
| ·算法描述及分析 | 第36-38页 |
| ·最小生成树 | 第38页 |
| ·基于遗传算法的进化免疫网络聚类算法参数优化 | 第38-42页 |
| ·实验结果 | 第42-49页 |
| ·数据集构造 | 第42页 |
| ·基于免疫网络的聚类算法仿真实验 | 第42-46页 |
| ·基于遗传算法的进化免疫网络聚类算法参数优化仿真实验 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于 SWN 理论的关键字提取 | 第50-56页 |
| ·小世界网络模型 | 第50-51页 |
| ·小世界网络模型提取中文文本关键字 | 第51-55页 |
| ·小世界网络在语言中的应用 | 第52页 |
| ·关键字提取算法 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 《知网》—语义计算知识库 | 第56-61页 |
| ·关于《知网》 | 第56-58页 |
| ·为什么引入《知网》 | 第58-59页 |
| ·词语语义相似度计算 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第7章 基于免疫网络的文本聚类算法 | 第61-77页 |
| ·文本聚类算法前期工作 | 第61-64页 |
| ·文本预处理 | 第61-62页 |
| ·文本的进一步表示—文本向量模型 | 第62-64页 |
| ·基于免疫网络的文本聚类算法 | 第64-68页 |
| ·算法思想及相关定义 | 第64-67页 |
| ·算法描述及分析 | 第67-68页 |
| ·兴趣提取 | 第68页 |
| ·用户兴趣挖掘系统的实现 | 第68-72页 |
| ·功能模型设计 | 第69页 |
| ·数据包捕获模块 | 第69-72页 |
| ·实验结果与分析 | 第72-76页 |
| ·数据集和实验环境 | 第72页 |
| ·文本聚类实验 | 第72-76页 |
| ·兴趣提取 | 第76页 |
| ·本章小结 | 第76-77页 |
| 第8章 结论与展望 | 第77-80页 |
| ·论文工作总结 | 第77-78页 |
| ·下一步研究方向 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-86页 |
| 攻读学位期间取得的研究成果 | 第86-88页 |
| 致谢 | 第88-89页 |