| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 引言 | 第12-20页 |
| 1．1 研究背景 | 第12-13页 |
| 1．2 研究意义 | 第13-15页 |
| 1．2．1 话题自动识别 | 第13-14页 |
| 1．2．2 用户模式分析和异常检测 | 第14页 |
| 1．2．3 社会网络分析和在线社区发现 | 第14-15页 |
| 1．3 研究现状 | 第15-17页 |
| 1．3．1 消息文本特性分析 | 第15-16页 |
| 1．3．2 动态话题识别研究概述 | 第16-17页 |
| 1．4 研究内容和组织 | 第17-20页 |
| 第二章 文本聚类及效果评价概述 | 第20-36页 |
| 2．1 文本表示与计算 | 第20-28页 |
| 2．1．1 预处理 | 第20页 |
| 2．1．2 文档标引 | 第20-21页 |
| 2．1．3 维数约简(降维) | 第21-22页 |
| 2．1．4 文本表示模型 | 第22-28页 |
| 2．2 文本聚类算法总结 | 第28-33页 |
| 2．2．1 层次式聚类 | 第29-30页 |
| 2．2．2 划分式聚类 | 第30-33页 |
| 2．3 聚类有效性评价 | 第33-35页 |
| 2．3．1 熵(Entropy) | 第33-34页 |
| 2．3．2 F 值(F-Measure) | 第34页 |
| 2．3．3 总体相似度(Overall Similarity) | 第34-35页 |
| 2．4 本章小结 | 第35-36页 |
| 第三章 文本中的频繁模式及其发现 | 第36-52页 |
| 3．1 网络非正规语言的挑战 | 第36-37页 |
| 3．2 频繁模式的基本概念 | 第37-38页 |
| 3．3 重复串发现算法 | 第38-49页 |
| 3．3．1 后缀树 | 第38-41页 |
| 3．3．2 后缀数组 | 第41-42页 |
| 3．3．3 基于后缀树的重复串发现算法 | 第42-44页 |
| 3．3．4 基于后缀数组的重复串发现算法 | 第44-47页 |
| 3．3．5 算法实现 | 第47-48页 |
| 3．3．6 性能评测 | 第48-49页 |
| 3．4 频繁词集发现算法 | 第49-50页 |
| 3．4．1 基本概念 | 第49-50页 |
| 3．4．2 Aprior 算法 | 第50页 |
| 3．5 本章小结 | 第50-52页 |
| 第四章 基于频繁模式的文本特征提取和特征选择 | 第52-70页 |
| 4．1 文档标引中特征项选取 | 第52-54页 |
| 4．1．1 向量空间模型的缺陷 | 第52页 |
| 4．1．2 短语标引(Phrase Indexing) | 第52-54页 |
| 4．2 关键频繁模式及其界定 | 第54-56页 |
| 4．2．1 关键频繁模式的界定 | 第54-55页 |
| 4．2．2 频繁模式的属性 | 第55-56页 |
| 4．3 基于关键频繁模式的特征提取 | 第56-58页 |
| 4．3．1 算法描述 | 第56-57页 |
| 4．3．2 参数选取 | 第57-58页 |
| 4．3．3 算法输出示例 | 第58页 |
| 4．4 基于关键频繁模式的特征选择算法 | 第58-62页 |
| 4．4．1 常用的特征选择方法 | 第58-61页 |
| 4．4．2 基于频繁模式的特征选择算法 | 第61-62页 |
| 4．5 实验评测 | 第62-68页 |
| 4．6 本章小结 | 第68-70页 |
| 第五章 基于频繁模式的文本聚类 | 第70-79页 |
| 5．1 Web 文档聚类的挑战 | 第70-71页 |
| 5．2 基于频繁模式的文本聚类算法 | 第71-75页 |
| 5．2．1 基于共享短语的文本聚类算法 | 第71-73页 |
| 5．2．2 基于频繁项集的文本聚类算法 | 第73-75页 |
| 5．2．3 比较总结 | 第75页 |
| 5．3 消息文本数据集上的实验比较 | 第75-78页 |
| 5．3．1 数据集 | 第75-76页 |
| 5．3．2 实验方案 | 第76页 |
| 5．3．3 结果及分析 | 第76-78页 |
| 5．4 本章小结 | 第78-79页 |
| 第六章 结束语 | 第79-81页 |
| 6．1 论文工作总结 | 第79页 |
| 6．2 下一步研究方向 | 第79-81页 |
| 参考文献 | 第81-89页 |
| 致谢 | 第89-91页 |
| 作者简历 | 第91页 |