| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| Contents | 第11-14页 |
| 第1章 绪论 | 第14-30页 |
| ·课题背景和意义 | 第14-17页 |
| ·课题背景 | 第14-16页 |
| ·课题意义 | 第16-17页 |
| ·检索结果聚类和类别标签的概念及相关自然语言处理技术 | 第17-19页 |
| ·聚类与检索结果聚类 | 第17页 |
| ·聚类描述与类别标签 | 第17-18页 |
| ·检索结果聚类与相关自然语言处理技术的关系 | 第18-19页 |
| ·国内外研究现状 | 第19-26页 |
| ·检索结果聚类算法研究现状 | 第19-24页 |
| ·检索结果聚类的类别标签分类体系 | 第24-25页 |
| ·类别标签相关研究 | 第25-26页 |
| ·检索结果聚类应用现状 | 第26页 |
| ·检索结果聚类面临的问题 | 第26-27页 |
| ·检索结果聚类的发展趋势 | 第27-28页 |
| ·本文的研究内容 | 第28-30页 |
| 第2章 基于语义特征抽取的初始信息优化选择 | 第30-56页 |
| ·引言 | 第30页 |
| ·检索结果垃圾信息过滤 | 第30-37页 |
| ·检索结果聚类文档的获取 | 第31-32页 |
| ·基于错误预测和组合特征降维方法的SVM 分类算法 | 第32-35页 |
| ·基于分类预测技术的网页过滤模型训练 | 第35-37页 |
| ·基于标签的聚类方法 | 第37-38页 |
| ·语义特征抽取技术研究 | 第38-43页 |
| ·语义分析在检索结果聚类中的必要性 | 第39页 |
| ·检索结果语义特征信息抽取 | 第39-41页 |
| ·语义特征代表性文本选择 | 第41-42页 |
| ·语义特征抽取实例 | 第42-43页 |
| ·语义特征初始信息在检索结果聚类中的应用 | 第43-47页 |
| ·语义特征信息在K-means 算法的应用 | 第43-46页 |
| ·语义特征信息在SOM 算法中的应用 | 第46-47页 |
| ·实验与评价 | 第47-54页 |
| ·基于SVM 预测的垃圾冗余信息去除 | 第47-49页 |
| ·中文检索结果聚类语料获取 | 第49-52页 |
| ·基于语义特征优化初始选择的K-means 算法实验结果 | 第52-53页 |
| ·基于语义特征优化初始选择的SOM 算法实验结果 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第3章 LSI 与SOM 结合的动态聚类算法 | 第56-78页 |
| ·引言 | 第56-57页 |
| ·自组织映射网络算法 | 第57-62页 |
| ·SOM 基本理论 | 第57-58页 |
| ·SOM 网络结构与学习算法 | 第58-61页 |
| ·传统SOM 算法局限性 | 第61-62页 |
| ·基于LSI 模型的SOM 算法 | 第62-66页 |
| ·LSI 基本理论 | 第62-65页 |
| ·算法描述 | 第65-66页 |
| ·语义特征抽取在SOM 算法中的应用 | 第66页 |
| ·动态增长的SOM 算法 | 第66-70页 |
| ·SOM 动态增长的条件 | 第66-68页 |
| ·改进的SOM 算法 | 第68-69页 |
| ·SOM 算法的基类合并问题 | 第69-70页 |
| ·实验与分析 | 第70-77页 |
| ·SOM 的量化和非量化评价方法 | 第70-75页 |
| ·基于语义特征的SOM 与K-means 的对比实验 | 第75-76页 |
| ·SOM 算法评价 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 基于SOM 算法的类别标签抽取与选择 | 第78-89页 |
| ·引言 | 第78页 |
| ·检索结果聚类标签的特性和意义 | 第78-80页 |
| ·类别标签的特性 | 第78-79页 |
| ·类别标签的意义 | 第79-80页 |
| ·传统类别标签排序策略 | 第80页 |
| ·检索结果聚类类别标签的抽取算法 | 第80-83页 |
| ·类别标签抽取算法思想 | 第81-82页 |
| ·基于SOM 算法的类别标签自动抽取 | 第82-83页 |
| ·基于语义特征信息的类别标签优化选择 | 第83-85页 |
| ·基于语义特征和词性分析的标签过滤 | 第83-84页 |
| ·基于网络链接的类别标签优化 | 第84页 |
| ·本文采用的类别标签优化方法 | 第84-85页 |
| ·实验与评价 | 第85-87页 |
| ·标签评价方法以及评价集构造 | 第85-86页 |
| ·标签抽取算法评价结果 | 第86-87页 |
| ·本章小结 | 第87-89页 |
| 第5章 检索结果的基类合并与聚类呈现 | 第89-103页 |
| ·引言 | 第89页 |
| ·SOM 算法中的基类合并问题 | 第89-91页 |
| ·基于标签相似度的神经元基类合并算法 | 第91-95页 |
| ·标签相似度与量化误差的度量 | 第91-93页 |
| ·神经元类别合并的实验 | 第93-95页 |
| ·神经元基类合并算法实验 | 第95-98页 |
| ·基于F-measure 的评价方法 | 第95-96页 |
| ·基于类内距、类间距的评价方法 | 第96-98页 |
| ·检索结果聚类可视化系统 | 第98-101页 |
| ·本章小结 | 第101-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 攻读博士学位期间发表的论文 | 第113-115页 |
| 致谢 | 第115-116页 |
| 个人简历 | 第116页 |
