| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·研究动机 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·论文主要研究内容 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 2 关键概念技术 | 第13-20页 |
| ·信息检索及Web 文本挖掘 | 第13-17页 |
| ·信息检索及搜索引擎 | 第13-15页 |
| ·文本分类与聚类 | 第15-16页 |
| ·Web 文本挖掘 | 第16页 |
| ·检索结果聚类 | 第16-17页 |
| ·查询扩展方法的分类 | 第17-20页 |
| 3 与课题相关的技术及算法 | 第20-34页 |
| ·文本自动处理技术 | 第20-22页 |
| ·文本分类与聚类技术 | 第22-24页 |
| ·文本相似度度量 | 第22-23页 |
| ·文本分类及聚类算法 | 第23-24页 |
| ·语义关联树 | 第24-25页 |
| ·后缀树相关知识简介 | 第25-27页 |
| ·索回树（Trie） | 第25页 |
| ·后缀树概念的提出 | 第25-26页 |
| ·后缀数组 | 第26-27页 |
| ·向量空间模型 | 第27-32页 |
| ·向量空间模型及相关概念 | 第27-28页 |
| ·文本特征权重 | 第28-29页 |
| ·基于向量空间模型的文本检索 | 第29-30页 |
| ·潜在语义标引 | 第30页 |
| ·奇异值分解 | 第30-32页 |
| ·针对检索结果的聚类算法 | 第32-34页 |
| ·搜索结果聚类算法的特点 | 第32页 |
| ·后缀树聚类（STC）算法 | 第32-33页 |
| ·SHOC 和Lingo 算法 | 第33-34页 |
| 4 基于语义关联树的分类查询扩展算法 | 第34-42页 |
| ·引言 | 第34页 |
| ·基于语义关联树的查询扩展 | 第34-36页 |
| ·语义关联树元素的提取 | 第34-35页 |
| ·语义关联树模型的构造 | 第35-36页 |
| ·语义关联树构造算法及分类查询扩展算法的实现 | 第36-39页 |
| ·分类语料库的建立 | 第36页 |
| ·分类构造算法 | 第36-38页 |
| ·查询扩展算法 | 第38-39页 |
| ·实验过程 | 第39-42页 |
| ·实验结果及分析 | 第40-41页 |
| ·小结 | 第41-42页 |
| 5 CQIG-一种改进的Web 检索结果聚类算法研究 | 第42-52页 |
| ·引言 | 第42页 |
| ·CQIG 算法介绍 | 第42-48页 |
| ·算法涉及的主要概念 | 第42-43页 |
| ·CQIG 算法的主要步骤 | 第43-46页 |
| ·CQIG 的聚类及聚类标签打分公式改进 | 第46-48页 |
| ·CQIG 算法实现及实验结果分析 | 第48-51页 |
| ·基于Ambient 数据集的聚类质量评测 | 第48-49页 |
| ·基于Web 搜索结果聚类推荐平台的实验结果对比分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 6 结论与未来研究方向 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·未来研究方向 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57页 |