| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-12页 |
| ·研究起因 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·现状综述 | 第12-14页 |
| ·局限性 | 第14-15页 |
| ·核心词汇获取不够准确 | 第14页 |
| ·扩展应用性不强 | 第14-15页 |
| ·多语言领域依然是难题 | 第15页 |
| ·论文结构 | 第15-16页 |
| 第二章 TDT中数据聚类处理 | 第16-24页 |
| ·文本聚类介绍 | 第16页 |
| ·单语言常用算法介绍 | 第16-18页 |
| ·基于划分的方法 | 第17页 |
| ·基于层次的方法 | 第17页 |
| ·基于密度的方法 | 第17页 |
| ·基于网格的方法 | 第17-18页 |
| ·基于模型的方法 | 第18页 |
| ·核心词汇聚类 | 第18-23页 |
| ·算法优化 | 第18-19页 |
| ·权值计算 | 第19-20页 |
| ·聚类关联 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 聚类算法改进 | 第24-32页 |
| ·聚类算法选取 | 第24-26页 |
| ·单通道聚类算法（Single-Pass） | 第25页 |
| ·层次聚类算法（Hierarchical clustering） | 第25-26页 |
| ·本文聚类算法改进 | 第26-28页 |
| ·实验结果 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 多语言话题发现系统模型 | 第32-43页 |
| ·信息采集 | 第33-35页 |
| ·分词技术 | 第33页 |
| ·网络爬虫技术 | 第33-34页 |
| ·信息预处理和净化层 | 第34-35页 |
| ·多语言转化层 | 第35页 |
| ·文本聚类层 | 第35-37页 |
| ·话题关联层 | 第37-39页 |
| ·话题相似度计算 | 第37-38页 |
| ·融合时间因子权重 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 结论与展望 | 第43-45页 |
| ·现阶段工作总结 | 第43页 |
| ·下一步工作计划 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 在学期间的研究成果 | 第48-49页 |
| 致谢 | 第49页 |