基于主题句矢量模型的文本聚类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·本课题的研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 文本聚类的关键技术 | 第14-26页 |
| ·文本聚类概述 | 第14页 |
| ·文本预处理 | 第14-15页 |
| ·自动分词 | 第14-15页 |
| ·停用词过滤 | 第15页 |
| ·文本特征提取 | 第15-17页 |
| ·词频-逆文档频率法 | 第15-16页 |
| ·互信息量法 | 第16页 |
| ·X~2统计法 | 第16页 |
| ·信息增益法 | 第16-17页 |
| ·文本表示 | 第17-18页 |
| ·布尔模型 | 第17页 |
| ·向量空间模型 | 第17-18页 |
| ·概率模型 | 第18页 |
| ·其他模型 | 第18页 |
| ·文本相似性度量 | 第18-20页 |
| ·基于统计学的方法 | 第18-19页 |
| ·基于语义分析的方法 | 第19-20页 |
| ·文本聚类算法 | 第20-24页 |
| ·划分方法 | 第21-22页 |
| ·层次方法 | 第22-24页 |
| ·基于密度的方法 | 第24页 |
| ·基于网格的方法 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于主题句矢量模型的文本相似性度量 | 第26-36页 |
| ·文本相似度研究面临的困难 | 第26页 |
| ·基于主题句矢量模型的文本相似度算法 | 第26-32页 |
| ·主题句矢量模型 | 第27-28页 |
| ·主题句矢量模型的文本相似性计算 | 第28页 |
| ·句子相似性计算 | 第28-31页 |
| ·文本相似性算法描述 | 第31-32页 |
| ·文本相似性度量实验 | 第32-35页 |
| ·实验数据集 | 第32页 |
| ·实验方案设计 | 第32-33页 |
| ·实验结果分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 改进的k中心点算法研究 | 第36-46页 |
| ·k中心点算法的局限性 | 第36页 |
| ·参数k的确定 | 第36-41页 |
| ·相似相异度函数 | 第36-37页 |
| ·k值求解算法描述 | 第37-38页 |
| ·k值求解实例 | 第38-41页 |
| ·初始聚类中心的选择方法 | 第41-44页 |
| ·初始聚类中心选择算法 | 第41-42页 |
| ·初始聚类中心选择实验 | 第42-44页 |
| ·改进的k中心点文本聚类算法 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 算法应用及结果分析 | 第46-53页 |
| ·算法应用 | 第46-49页 |
| ·开发环境 | 第46页 |
| ·系统结构 | 第46-49页 |
| ·实验结果评价 | 第49-52页 |
| ·实验数据集 | 第49页 |
| ·评价指标 | 第49-50页 |
| ·实验结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
