面向用户兴趣的web文档聚类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-17页 |
| ·选题背景和研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·用户兴趣挖掘研究现状 | 第11-12页 |
| ·文本聚类算法研究现状 | 第12-15页 |
| ·全文的组织结构 | 第15-17页 |
| 第二章 用户兴趣挖掘与文本聚类相关技术 | 第17-35页 |
| ·Web挖掘分类 | 第17-18页 |
| ·用户兴趣挖掘 | 第18-24页 |
| ·用户兴趣建模方式 | 第18-20页 |
| ·用户兴趣信息获取 | 第20-21页 |
| ·用户兴趣的表示 | 第21-23页 |
| ·用户兴趣模型的更新 | 第23-24页 |
| ·文本聚类相关技术 | 第24-34页 |
| ·文本预处理 | 第24-27页 |
| ·向量空间模型 | 第27-30页 |
| ·常用的文本聚类算法 | 第30-32页 |
| ·聚类结果的评价标准 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于参考区域的k-means 初始化 | 第35-44页 |
| ·问题的提出 | 第35-36页 |
| ·CURD算法 | 第36-37页 |
| ·k-means文本聚类算法 | 第37-38页 |
| ·参考区域的生成 | 第38-41页 |
| ·输入参数的确定 | 第38-39页 |
| ·确定参数k及初始分区的生成 | 第39-40页 |
| ·改进算法流程 | 第40-41页 |
| ·算法时间复杂性分析 | 第41页 |
| ·实验和算法评估 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于局部迭代的k-means 文本聚类 | 第44-52页 |
| ·问题的提出 | 第44页 |
| ·最优化相关问题 | 第44-46页 |
| ·面向文本聚类的迭代优化 | 第46页 |
| ·算法修改 | 第46-49页 |
| ·目标函数的变化 | 第47页 |
| ·修改算法及复杂度分析 | 第47-48页 |
| ·算法迭代的自动确定 | 第48-49页 |
| ·实验和算法评估 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 面向用户兴趣聚类系统的生成 | 第52-61页 |
| ·面向用户兴趣的聚类系统结构 | 第52-53页 |
| ·用户兴趣的生成 | 第53-58页 |
| ·向量空间模型表示兴趣 | 第53-54页 |
| ·基于概化方法的兴趣主题词抽取 | 第54-57页 |
| ·用户子兴趣的生成 | 第57-58页 |
| ·实验测试及分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 1. 主要创新点 | 第61页 |
| 2. 下一步研究方向 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的学术成果 | 第67-68页 |
| 致谢 | 第68页 |
