| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 文本聚类相关研究 | 第10-11页 |
| 1.2.2 文本类簇信息提取相关研究 | 第11-12页 |
| 1.3 论文主要内容及结构安排 | 第12-15页 |
| 1.3.1 论文的主要内容 | 第12-13页 |
| 1.3.2 论文组织结构安排 | 第13-15页 |
| 第二章 相关理论基础介绍 | 第15-25页 |
| 2.1 文本预处理 | 第15-16页 |
| 2.2 文本建模 | 第16-18页 |
| 2.2.1 布尔模型 | 第16-17页 |
| 2.2.2 向量空间模型 | 第17-18页 |
| 2.2.3 概率模型 | 第18页 |
| 2.3 文本相似度计算 | 第18-19页 |
| 2.4 文本特征降维方法 | 第19-20页 |
| 2.5 聚类算法 | 第20-24页 |
| 2.5.1 基于划分的聚类方法 | 第21-22页 |
| 2.5.2 基于层次的聚类方法 | 第22页 |
| 2.5.3 基于密度的聚类方法 | 第22-23页 |
| 2.5.4 基于网格的聚类方法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于CSUAP算法的短文本聚类 | 第25-43页 |
| 3.1 TF-IDF的改进 | 第25-28页 |
| 3.1.1 词对的共现频度、支持度和置信度 | 第25-26页 |
| 3.1.2 传统TF-IDF的不足 | 第26-27页 |
| 3.1.3 引入关联语义权重的CO-TF-IDF | 第27-28页 |
| 3.2 潜在语义分析 | 第28-31页 |
| 3.2.1 向量空间模型的局限性 | 第28-29页 |
| 3.2.2 潜在语义分析介绍 | 第29页 |
| 3.2.3 基于SVD的潜在语义分析 | 第29-31页 |
| 3.3 基于粗糙集的聚类算法 | 第31-35页 |
| 3.3.1 粗糙聚类算法简介 | 第31-32页 |
| 3.3.2 CSUAP算法 | 第32-34页 |
| 3.3.3 CSUAP算法与CSUA算法的分析比较 | 第34-35页 |
| 3.4 短文本聚类实验 | 第35-41页 |
| 3.4.1 实验流程 | 第35-36页 |
| 3.4.2 实验环境与数据 | 第36页 |
| 3.4.3 实验结果与分析 | 第36-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于TextRank算法的短文本类簇信息提取 | 第43-53页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于Text Rank算法的代表文本提取 | 第44-47页 |
| 4.2.1 带边权重TextRank算法 | 第45-46页 |
| 4.2.2 不带边权重TextRank算法 | 第46-47页 |
| 4.3 短文本类簇关键词提取 | 第47-49页 |
| 4.3.1 关键词提取分析 | 第48页 |
| 4.3.2 关键词提取方法 | 第48-49页 |
| 4.4 实验 | 第49-52页 |
| 4.4.1 评估方法 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 短文本聚类分析系统 | 第53-56页 |
| 5.1 系统整体设计 | 第53-54页 |
| 5.2 系统界面 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |