| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·本文的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的主要工作 | 第9-10页 |
| ·本文的研究目标 | 第10页 |
| ·本文的组织结构 | 第10-12页 |
| 第2章 博客与博客球的结构、特征分析 | 第12-15页 |
| ·博客概念定义 | 第12页 |
| ·博客的结构特点 | 第12-13页 |
| ·博客相关术语 | 第13-14页 |
| ·发布时间 | 第13页 |
| ·博客评论 | 第13-14页 |
| ·博客链接 | 第14页 |
| ·小结 | 第14-15页 |
| 第3章 博客球数据库的建立 | 第15-20页 |
| ·集群环境的建立 | 第15-16页 |
| ·分布式控制器系统 | 第16-17页 |
| ·页面抓取器系统 | 第17-18页 |
| ·负载平衡 | 第18页 |
| ·故障恢复 | 第18-19页 |
| ·系统部署和数据库搭建 | 第19页 |
| ·小结 | 第19-20页 |
| 第4章 SVD和NMF算法在博客球数据挖掘聚类中的应用 | 第20-31页 |
| ·数据预处理 | 第20-21页 |
| ·博客球向量空间模型的建立 | 第21-23页 |
| ·向量空间模型定义 | 第21页 |
| ·文本分词及权重计算 | 第21-23页 |
| ·SVD奇异值分解 | 第23-26页 |
| ·NMF非负矩阵分解 | 第26页 |
| ·矩阵运算相关代码 | 第26-30页 |
| ·小结 | 第30-31页 |
| 第5章 数据挖掘中聚类的典型算法分析与应用 | 第31-39页 |
| ·聚类概念 | 第31页 |
| ·k-means聚类算法 | 第31-33页 |
| ·k-means算法代码示例 | 第33-37页 |
| ·数据库表的设计 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第6章 博客球数据挖掘聚类的研究 | 第39-49页 |
| ·博客数据挖掘的原理 | 第39页 |
| ·博客数据挖掘的流程 | 第39-42页 |
| ·博客信息提取 | 第39页 |
| ·文本矩阵建立 | 第39-40页 |
| ·特征值提取 | 第40页 |
| ·建立向量空间 | 第40-41页 |
| ·k-means聚类操作 | 第41-42页 |
| ·SVD对向量空间进行降维 | 第42-44页 |
| ·NMF对向量空间进行降维 | 第44-45页 |
| ·实验结果分析 | 第45-48页 |
| ·博客球聚类准确率对比试验 | 第45-47页 |
| ·读者评论对博客球聚类的影响试验 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第7章 结论及展望 | 第49-51页 |
| ·结论 | 第49页 |
| ·不足与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55页 |