基于语义相似度的论文文本聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·存在问题 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| 2 文本聚类概述 | 第14-22页 |
| ·文本聚类定义 | 第14页 |
| ·相关概念介绍 | 第14-17页 |
| ·文本的特征向量 | 第14页 |
| ·文本间的距离 | 第14-15页 |
| ·权值表示 | 第15页 |
| ·文本之间的相似系数 | 第15-16页 |
| ·文本类之间的距离 | 第16页 |
| ·数据标准化 | 第16-17页 |
| ·文本的表示 | 第17页 |
| ·几种常见的文本聚类算法 | 第17-21页 |
| ·划分的方法(k-means算法) | 第17-18页 |
| ·基于密度的方法(DBSCAN算法) | 第18-19页 |
| ·基于模型的方法(SOM神经网络算法) | 第19-20页 |
| ·层次聚类方法 | 第20-21页 |
| ·基于网格的方法 | 第21页 |
| ·小结 | 第21-22页 |
| 3 基于语义相似度的论文文本聚类 | 第22-43页 |
| ·WordNet:一个词汇数据库 | 第22-26页 |
| ·WordNet简介 | 第22-23页 |
| ·名词的语义关系 | 第23-26页 |
| ·文本的预处理 | 第26-29页 |
| ·分词 | 第26页 |
| ·词根还原 | 第26-27页 |
| ·去除停用词 | 第27-28页 |
| ·本文文本预处理过程 | 第28-29页 |
| ·特征词选择 | 第29-30页 |
| ·关键词的相关词查找 | 第29页 |
| ·特征词的选取 | 第29页 |
| ·多义词的处理 | 第29-30页 |
| ·文本数据的数学描述 | 第30-31页 |
| ·概念间语义相似度计算 | 第31-39页 |
| ·几种相似度计算方法的介绍 | 第31-33页 |
| ·语义相似度定义 | 第33-34页 |
| ·概念(synset)间语义相似度的计算 | 第34-39页 |
| ·论文文本的相似度计算 | 第39-40页 |
| ·基于语义相似度的文本聚类算法 | 第40-41页 |
| ·算法描述 | 第40-41页 |
| ·聚簇描述 | 第41页 |
| ·小结 | 第41-43页 |
| 4 本文算法的设计与实现 | 第43-56页 |
| ·文本预处理 | 第43-47页 |
| ·文本预处理的输入 | 第45页 |
| ·分词 | 第45-46页 |
| ·停用词过滤和词根还原 | 第46页 |
| ·判断单词是否具有名词词性 | 第46-47页 |
| ·特征词选择 | 第47-48页 |
| ·JWNL中相关函数介绍 | 第47页 |
| ·实现方法 | 第47-48页 |
| ·语义相似度计算 | 第48-51页 |
| ·WordNet | 第48页 |
| ·WordNet::QueryData | 第48-49页 |
| ·Text::Similarity | 第49页 |
| ·WordNet::Similarity | 第49-50页 |
| ·单词间语义相似度的计算 | 第50页 |
| ·文本间语义相似度的计算 | 第50-51页 |
| ·聚类算法 | 第51-52页 |
| ·算法的实现 | 第52-53页 |
| ·数据集 | 第52页 |
| ·开发环境 | 第52页 |
| ·论文文本聚类系统 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·对比算法 | 第53页 |
| ·实验结果分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
