| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究目的 | 第12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 主要创新点 | 第13-14页 |
| 1.5 主要研究内容 | 第14-17页 |
| 第2章 文本聚类相关技术 | 第17-27页 |
| 2.1 文本预处理 | 第17-19页 |
| 2.1.1 中文分词 | 第18页 |
| 2.1.2 标注词性 | 第18页 |
| 2.1.3 停用词过滤 | 第18-19页 |
| 2.2 文本特征项表示 | 第19-22页 |
| 2.2.1 布尔模型 | 第20页 |
| 2.2.2 向量模型 | 第20-21页 |
| 2.2.3 概率模型 | 第21-22页 |
| 2.2.4 语言模型 | 第22页 |
| 2.3 文本相似度的计算 | 第22-23页 |
| 2.4 聚类算法 | 第23-26页 |
| 2.4.1 算法概述 | 第24-25页 |
| 2.4.2 K-means算法 | 第25-26页 |
| 2.5 Hadoop平台 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 Web短文本特征项抽取方法的改进 | 第27-37页 |
| 3.1 文本特征性抽取的方法概述 | 第27-28页 |
| 3.2 Bootstrapping算法的思想与流程 | 第28-29页 |
| 3.3 Web短文本特征项抽取方法流程 | 第29-32页 |
| 3.3.1 筛选名词性短语生成候选短语 | 第30-31页 |
| 3.3.2 候选对象的抽取 | 第31-32页 |
| 3.3.3 改进的Web短文本特征项抽取方法 | 第32页 |
| 3.4 实验分析 | 第32-35页 |
| 3.4.1 本文方法与不采用候选短语完整性评价后结果比较 | 第33-34页 |
| 3.4.2 本文方法与关键词匹配选取特征项得分后结果比较 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章K-means算法的研究与改进 | 第37-51页 |
| 4.1 TFIDF公式的研究与改进 | 第37-39页 |
| 4.1.1 TFIDF公式简介 | 第38页 |
| 4.1.2 TFIDF公式的改进 | 第38-39页 |
| 4.2 K-means算法的研究与改进 | 第39-42页 |
| 4.2.1 K-means算法的描述 | 第39-41页 |
| 4.2.2 K-means算法的流程 | 第41-42页 |
| 4.2.3 K-means算法初始聚类中心的改进 | 第42页 |
| 4.3 实验分析 | 第42-48页 |
| 4.3.1 对预处理中权重计算TFIDF公式实验 | 第42-45页 |
| 4.3.2 选取实际数据集验证改进后的K-means算法精确度 | 第45-47页 |
| 4.3.3 多角度选取实际数据集验证改进后的K-means算法精确度 | 第47-48页 |
| 4.3.4 其他方法与本文基于Web短文本的改进K-means算法实验比较 | 第48页 |
| 4.4 本章小结 | 第48-51页 |
| 第5章 基于Hadoop平台K-means算法的应用 | 第51-59页 |
| 5.1 云计算与Hadoop平台简述 | 第51-52页 |
| 5.2 MapReduce模型概述 | 第52-53页 |
| 5.3 K-means聚类算法结合MapReduce模型的实现 | 第53-56页 |
| 5.3.1 Web短文本网页文本的向量表示 | 第54页 |
| 5.3.2 K-means算法并行化实现流程 | 第54-56页 |
| 5.4 实验分析 | 第56-58页 |
| 5.4.1 Hadoop集群实验环境与实验数据 | 第56-57页 |
| 5.4.2 实验与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 在学期间主要科研成果 | 第69-70页 |
| 一、发表学术论文 | 第69页 |
| 二、其它科研成果 | 第69页 |
| 三、参加会议与实习 | 第69-70页 |
| 附件 | 第70-71页 |
