| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 引言 | 第9-13页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.2 主要研究内容 | 第10-11页 |
| 1.3 论文结构安排 | 第11页 |
| 1.4 本章小结 | 第11-13页 |
| 2 文本表示 | 第13-21页 |
| 2.1 文本表示的概念 | 第13页 |
| 2.2 文本表示模型 | 第13-14页 |
| 2.3 文本预处理 | 第14-19页 |
| 2.3.1 汉语分词 | 第14-15页 |
| 2.3.2 特征项提取 | 第15-19页 |
| 2.4 本章小结 | 第19-21页 |
| 3 一种改进的TF-IDF结合语义的向量空间模型 | 第21-35页 |
| 3.1 向量空间模型 | 第21-23页 |
| 3.2 改进的TF-IDF结合模糊聚类及语义的文本向量空间模型表示 | 第23-30页 |
| 3.2.1 模糊集理论 | 第23-24页 |
| 3.2.2 模糊等价矩阵的构建 | 第24-25页 |
| 3.2.3 同义词词林 | 第25-28页 |
| 3.2.4 新的特征项权重计算方式 | 第28-29页 |
| 3.2.5 改进的文本模型表示 | 第29-30页 |
| 3.3 改进的文本表示模型效果对比 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 4 文本聚类算法及分析 | 第35-49页 |
| 4.1 常用聚类算法 | 第35-38页 |
| 4.1.1 基于划分的聚类算法 | 第35-36页 |
| 4.1.2 基于层次的聚类算法 | 第36-37页 |
| 4.1.3 基于密度的聚类算法 | 第37页 |
| 4.1.4 基于网格的聚类算法 | 第37-38页 |
| 4.2 基于划分的聚类算法研究 | 第38-39页 |
| 4.3 改进的K-medoids聚类算法 | 第39-43页 |
| 4.3.1 改进算法的思想 | 第40-41页 |
| 4.3.2 改进算法的流程 | 第41-43页 |
| 4.4 仿真试验及实验结果分析 | 第43-47页 |
| 4.4.1 UCI机器学习数据库数据集实验 | 第43-45页 |
| 4.4.2 人工模拟数据集实验 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 K-medoids聚类算法在文本处理中的应用 | 第49-55页 |
| 5.1 文本数据集来源及介绍 | 第49页 |
| 5.2 中文文本聚类系统流程 | 第49-50页 |
| 5.3 文本预处理模块 | 第50页 |
| 5.4 文本表示模块 | 第50-51页 |
| 5.5 文本聚类模块 | 第51页 |
| 5.6 实验结果分析 | 第51-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第63页 |