| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·文本聚类算法综述 | 第10-12页 |
| ·本文主要工作 | 第12-14页 |
| 第二章文本聚类的关键技术 | 第14-21页 |
| ·聚类模型 | 第14页 |
| ·文档分词 | 第14-16页 |
| ·文档特征提取 | 第16-17页 |
| ·文档表示 | 第17页 |
| ·基于VSM 的K-MEANS文本聚类方法 | 第17-21页 |
| ·基于VSM 文本相似度计算方法 | 第18-19页 |
| ·VSM+K-Means 文本聚类算法 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 基于语义距离的文本聚类算法 | 第21-44页 |
| ·语义距离 | 第21-22页 |
| ·《知网》简介 | 第22-27页 |
| ·《知网》结构 | 第22-25页 |
| ·《知网》的知识描述语言 | 第25-27页 |
| ·基于知网的语义距离计算 | 第27-36页 |
| ·义原间语义距离计算 | 第28-30页 |
| ·关键词语义距离计算 | 第30-35页 |
| ·文档间相似度计算 | 第35-36页 |
| ·基于语义距离文本聚类算法 | 第36-44页 |
| ·相关概念 | 第37页 |
| ·难点 | 第37-39页 |
| ·算法 | 第39-43页 |
| ·小结 | 第43-44页 |
| 第四章 实验结果及评价 | 第44-53页 |
| ·文本预处理 | 第44-45页 |
| ·两种关键词相似度计算方法比较结果 | 第45-46页 |
| ·基于 VSM 的 K-MEANS 聚类算法实验结果 | 第46-47页 |
| ·基于语义距离的文本聚类算法实验结果 | 第47-49页 |
| ·性能比较 | 第49-53页 |
| 第五章 结束语 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 研究生期间个人成果 | 第58-59页 |
| 致谢 | 第59页 |