基于向量空间的文本聚类方法与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 论文背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要内容及结构 | 第13-16页 |
| 1.3.1 主要内容 | 第13-14页 |
| 1.3.2 本文组织结构 | 第14-16页 |
| 2 文本聚类方法相关技术 | 第16-31页 |
| 2.1 文本聚类 | 第16-17页 |
| 2.2 分词 | 第17-19页 |
| 2.3 文本特征提取 | 第19-20页 |
| 2.4 文本表示模型 | 第20-22页 |
| 2.4.1 向量空间模型 | 第20-21页 |
| 2.4.2 布尔模型 | 第21页 |
| 2.4.3 概率模型 | 第21-22页 |
| 2.5 文本相似度计算 | 第22-24页 |
| 2.5.1 距离度量 | 第22-23页 |
| 2.5.2 相似度度量 | 第23-24页 |
| 2.6 主要聚类算法 | 第24-28页 |
| 2.6.1 划分方法聚类 | 第25页 |
| 2.6.2 层次方法聚类 | 第25-26页 |
| 2.6.3 基于密度方法聚类 | 第26-27页 |
| 2.6.4 基于网格方法聚类 | 第27-28页 |
| 2.7 文本聚类质量评价 | 第28-29页 |
| 2.7.1 外在方法 | 第28-29页 |
| 2.7.2 内在方法 | 第29页 |
| 2.7.3 相对评价方法 | 第29页 |
| 2.8 本章小结 | 第29-31页 |
| 3 基于向量空间的文本聚类方法设计 | 第31-44页 |
| 3.1 文本向量化 | 第32-34页 |
| 3.2 语义空间降维 | 第34-40页 |
| 3.2.1 奇异值分解的基本方法 | 第34-35页 |
| 3.2.2 词汇-文本矩阵的奇异值分解 | 第35-37页 |
| 3.2.3 应用SVD进行文本聚类 | 第37-38页 |
| 3.2.4 文本扩充 | 第38-39页 |
| 3.2.5 奇异值计算的复杂性 | 第39-40页 |
| 3.3 文本聚类 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 实现与结果讨论 | 第44-57页 |
| 4.1 实验步骤 | 第44页 |
| 4.2 文本集及其向量化 | 第44-50页 |
| 4.2.1 词汇-文本矩阵建立 | 第45-47页 |
| 4.2.2 矩阵分解 | 第47-49页 |
| 4.2.3 向量空间压缩 | 第49-50页 |
| 4.3 聚类过程 | 第50-54页 |
| 4.3.1 参数的设置 | 第50-51页 |
| 4.3.2 单参数指数平滑方法 | 第51-54页 |
| 4.4 实验结果评价 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录A | 第61-62页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |
