| 目录 | 第1-6页 |
| 图表索引 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·本课题的研究意义和国内外现状 | 第9-11页 |
| ·研究意义 | 第9页 |
| ·国内外现状分析 | 第9-11页 |
| ·研究内容与主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 Web文档挖掘的相关知识 | 第13-19页 |
| ·Web数据挖掘概述 | 第13-15页 |
| ·Web内容挖掘 | 第13-14页 |
| ·Web结构挖掘 | 第14-15页 |
| ·Web使用挖掘 | 第15页 |
| ·Web文档挖掘的相关内容 | 第15-16页 |
| ·Web文档挖掘的相关方法 | 第16-18页 |
| ·分类方法 | 第16页 |
| ·聚类方法 | 第16-17页 |
| ·关联分析 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 嵌入分布信息的Web文档聚类算法 | 第19-31页 |
| ·引言 | 第19-21页 |
| ·Web页面的信息抽取及表示 | 第21-23页 |
| ·HTML文件简介 | 第21页 |
| ·文本表示 | 第21-22页 |
| ·特征项的抽取 | 第22-23页 |
| ·Web文档相似性度量 | 第23-25页 |
| ·经典的Web文档相似性度量 | 第23-24页 |
| ·嵌入分布信息的Web文档相似性度量 | 第24-25页 |
| ·不同相似性度量下的聚类和分类算法比较 | 第25-31页 |
| ·不同相似性度量下的Kmeans算法 | 第25-26页 |
| ·不同相似性度量下的KNN算法 | 第26页 |
| ·算法性能比较 | 第26-31页 |
| 第四章 多角度策略下的半监督Web文档聚类算法研究 | 第31-41页 |
| ·引言 | 第31-32页 |
| ·co-training概述 | 第32-35页 |
| ·co-training方法简介 | 第32-34页 |
| ·co-training算法流程 | 第34-35页 |
| ·多角度策略下的Kmeans文档聚类算法 | 第35-38页 |
| ·传统的co-Kmeans算法 | 第35-36页 |
| ·结合Kmeans和KNN的多角度学习算法 | 第36-38页 |
| ·基于新相似性度量的多角度文档聚类 | 第38页 |
| ·实验结果分析 | 第38-41页 |
| ·数据集 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| 第五章 基于核的Web文档聚类算法研究 | 第41-53页 |
| ·核的相关概念 | 第41-42页 |
| ·基于多项式核的多角度Web文档聚类算法 | 第42-48页 |
| ·引言 | 第42-44页 |
| ·基于多项式核的co-Kmeans算法 | 第44-45页 |
| ·多项式核下的基于Kmeans和KNN的多角度学习算法 | 第45页 |
| ·实验结果分析 | 第45-48页 |
| ·基于高斯核的多角度Web文档聚类算法 | 第48-52页 |
| ·高斯函数的性质 | 第48-50页 |
| ·基于高斯核的多角度聚类算法 | 第50页 |
| ·实验结果分析 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第六章 总结 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 读研期间发表(录用)论文情况 | 第60页 |