基于语义的Web文本聚类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11页 |
| ·论文研究内容 | 第11-12页 |
| ·论文组织及结构 | 第12-13页 |
| 第2章 文本表示模型及其关键技术 | 第13-22页 |
| ·文本的中文分词 | 第13-15页 |
| ·基于词表的分词方法 | 第13-14页 |
| ·基于统计的分词方法 | 第14-15页 |
| ·文本的特征选择 | 第15-18页 |
| ·文档频数 | 第16页 |
| ·信息增益 | 第16页 |
| ·互信息 | 第16-17页 |
| ·卡方统计 | 第17页 |
| ·交叉熵 | 第17页 |
| ·证据权值 | 第17-18页 |
| ·文本的特征表示 | 第18-21页 |
| ·空间向量模型基本概念 | 第18-19页 |
| ·特征单元选择 | 第19-20页 |
| ·项的权重计算 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 文本聚类分析 | 第22-30页 |
| ·聚类分析概述 | 第22-23页 |
| ·常用聚类算法 | 第23-27页 |
| ·基于层次的方法 | 第23-24页 |
| ·基于划分的方法 | 第24-25页 |
| ·基于模型的方法 | 第25页 |
| ·基于密度的方法 | 第25-26页 |
| ·基于网格的方法 | 第26-27页 |
| ·软聚类的方法 | 第27页 |
| ·聚类效果评价 | 第27-29页 |
| ·统计度量 | 第27-28页 |
| ·纯度度量 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 知网与语义相似度计算 | 第30-42页 |
| ·知网 | 第30-34页 |
| ·知网的基本结构 | 第30-32页 |
| ·知网概念组织规则 | 第32-34页 |
| ·基于知网的义原与概念相似度 | 第34-40页 |
| ·义原距离算法 | 第34-37页 |
| ·义原相似度与概念相似度 | 第37-39页 |
| ·概念相似度分析 | 第39-40页 |
| ·基于知网的改进 VSM | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 微博话题发现系统的设计与实现 | 第42-54页 |
| ·系统介绍与框架 | 第42-43页 |
| ·数据收集模块 | 第43-44页 |
| ·中文分词模块 | 第44-45页 |
| ·特征表示模块 | 第45-47页 |
| ·文本聚类模块 | 第47-48页 |
| ·系统实验与测试 | 第48-53页 |
| ·实验环境与数据集 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·本文工作总结 | 第54页 |
| ·未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59页 |
