| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文的研究背景 | 第10-11页 |
| 1.2 论文的研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 微博信息的研究现状 | 第12-13页 |
| 1.3.2 聚类分析及K-means算法改进研究现状 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第2章 文本聚类的相关理论研究 | 第16-32页 |
| 2.1 短文本的概念 | 第16-18页 |
| 2.1.1 短文本的基本应用 | 第16页 |
| 2.1.2 短文本的结构特点 | 第16-17页 |
| 2.1.3 微博信息的研究方法分析 | 第17-18页 |
| 2.2 文本预处理 | 第18-25页 |
| 2.2.1 文本分词 | 第18-20页 |
| 2.2.2 去停用词 | 第20页 |
| 2.2.3 文本特征选择 | 第20-23页 |
| 2.2.4 文本表示模型 | 第23-24页 |
| 2.2.5 文本特征权重计算 | 第24-25页 |
| 2.3 文本聚类算法研究 | 第25-30页 |
| 2.3.1 聚类概述 | 第25-26页 |
| 2.3.2 常用聚类方法 | 第26-27页 |
| 2.3.3 聚类的相似性度量方法 | 第27-29页 |
| 2.3.4 聚类效果评估指标 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 K-means算法的改进研究 | 第32-46页 |
| 3.1 K-means算法概述 | 第32-35页 |
| 3.1.1 K-means算法的基本过程 | 第32-34页 |
| 3.1.2 K-means算法的优缺点分析 | 第34-35页 |
| 3.2 优化初始聚类中心的选择方法 | 第35-39页 |
| 3.2.1 算法改进思路 | 第35-37页 |
| 3.2.2 改进后的算法描述 | 第37-39页 |
| 3.2.3 算法分析 | 第39页 |
| 3.3 改进文本相似性的度量标准 | 第39-44页 |
| 3.3.1 算法改进思路 | 第39-41页 |
| 3.3.2 改进后的算法描述 | 第41-43页 |
| 3.3.3 算法分析 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 改进K-means算法的实验及结果分析 | 第46-60页 |
| 4.1 实验环境及工具 | 第46-47页 |
| 4.1.1 实验环境 | 第46页 |
| 4.1.2 原始微博数据采集工具GooSeeker | 第46页 |
| 4.1.3 数据集处理平台Weka | 第46-47页 |
| 4.2 微博数据集制作实验 | 第47-52页 |
| 4.2.1 对原始数据集进行分词和去停用词 | 第47-50页 |
| 4.2.2 特征选择和特征表示 | 第50-52页 |
| 4.3 改进算法对比实验 | 第52-58页 |
| 4.3.1 初始聚类中心对比实验 | 第52-55页 |
| 4.3.2 相似性度量对比实验 | 第55-57页 |
| 4.3.3 Iris数据集对比实验 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |