| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·文本聚类的研究现状 | 第10-11页 |
| ·基于后缀树文本聚类的研究现状 | 第11-12页 |
| ·本文的主要内容和组织结构 | 第12-14页 |
| 第二章 文本聚类的相关技术 | 第14-26页 |
| ·文本聚类介绍 | 第14-15页 |
| ·聚类的概念 | 第14页 |
| ·文本聚类的概念 | 第14-15页 |
| ·文本聚类过程 | 第15页 |
| ·文本预处理 | 第15-16页 |
| ·文本表示模型 | 第16-19页 |
| ·布尔模型 | 第16-17页 |
| ·向量空间模型 | 第17-18页 |
| ·概率模型 | 第18-19页 |
| ·语言模型 | 第19页 |
| ·其他表示模型 | 第19页 |
| ·文本相似度的定义 | 第19-21页 |
| ·文本与文本的相似度 | 第20页 |
| ·文本簇与文本簇的相似度 | 第20-21页 |
| ·文本与文本簇的相似度 | 第21页 |
| ·文本聚类算法 | 第21-23页 |
| ·基于划分的聚类算法 | 第21页 |
| ·基于层次的聚类算法 | 第21-22页 |
| ·基于密度的聚类算法 | 第22页 |
| ·基于模型的聚类算法 | 第22-23页 |
| ·其他聚类算法 | 第23页 |
| ·文本聚类结果评价 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 后缀树聚类算法 | 第26-35页 |
| ·后缀树的概念 | 第26-30页 |
| ·Trie 树 | 第26-27页 |
| ·基数树 | 第27-28页 |
| ·后缀树 | 第28-29页 |
| ·广义后缀树 | 第29页 |
| ·后缀树构造算法 | 第29-30页 |
| ·后缀树的应用 | 第30页 |
| ·后缀树聚类算法 | 第30-33页 |
| ·STC 算法的相关概念 | 第30-31页 |
| ·STC 聚类过程 | 第31-33页 |
| ·STC 算法的特点和不足 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于后缀树的文本表示方法 | 第35-45页 |
| ·基于短语的文本表示方法 | 第35-36页 |
| ·后缀树文本模型 | 第36-38页 |
| ·后缀树文本模型介绍 | 第36-37页 |
| ·后缀树文本模型的特点 | 第37-38页 |
| ·基于后缀树的向量空间模型 | 第38-40页 |
| ·STVSD 的构造 | 第38-39页 |
| ·STVSD 的优化 | 第39-40页 |
| ·基于加权后缀树的向量空间模型 | 第40-44页 |
| ·文本的加权表示 | 第40-41页 |
| ·加权后缀树的定义 | 第41-43页 |
| ·WSTVSD 的构造 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验结果 | 第45-54页 |
| ·实验步骤 | 第45-49页 |
| ·选取文本数据集 | 第46页 |
| ·文本预处理 | 第46-48页 |
| ·构造文本向量 | 第48-49页 |
| ·文本聚类和结果评价 | 第49页 |
| ·实验结果 | 第49-53页 |
| ·四种文本表示方法的聚类质量 | 第49-52页 |
| ·不同权重调节因子对 IWSTVSD 改进效果的影响 | 第52-53页 |
| ·后缀树短语长度 | 第53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-65页 |
| 附件 | 第65页 |