基于语义关联的文本聚类方法
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 引言 | 第10-14页 |
| ·研究的问题 | 第10-11页 |
| ·研究内容 | 第11-13页 |
| ·语义关联的非对称性 | 第11-12页 |
| ·语义关联网络 | 第12-13页 |
| ·语义知识库的运用 | 第13页 |
| ·论文组织 | 第13-14页 |
| 第2章 研究背景 | 第14-24页 |
| ·聚类分析 | 第14页 |
| ·文本聚类 | 第14-15页 |
| ·文本预处理 | 第15-16页 |
| ·相似度度量 | 第16-17页 |
| ·文档相似度 | 第16-17页 |
| ·类簇相似度 | 第17页 |
| ·常见聚类方法 | 第17-21页 |
| ·基于划分的方法 | 第18-19页 |
| ·基于凝聚的方法 | 第19页 |
| ·高维数据的方法 | 第19-20页 |
| ·文本数据的方法 | 第20-21页 |
| ·聚类结果评估 | 第21-22页 |
| ·准确率 | 第21页 |
| ·熵Entropy | 第21-22页 |
| ·F Measure | 第22页 |
| ·本章小结 | 第22-24页 |
| 第3章 文本的非对称相似度 | 第24-30页 |
| ·非对称相似度定义 | 第24-26页 |
| ·文档的非对称相似度 | 第24-25页 |
| ·类簇的非对称相似度 | 第25-26页 |
| ·非对称数据模型 | 第26页 |
| ·聚类分析 | 第26-27页 |
| ·实验结果 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于非对称相似度的强连通构件聚类 | 第30-38页 |
| ·聚类分析 | 第30-33页 |
| ·强连通构件的聚类 | 第30-31页 |
| ·迭代的层次聚类 | 第31-33页 |
| ·实验结果 | 第33-36页 |
| ·划分方法和凝聚方法的比较 | 第33-34页 |
| ·对称相似度与非对称相似度的比较 | 第34-35页 |
| ·结果分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第5章 基于语义关联网络的聚类 | 第38-46页 |
| ·语义关联网络 | 第38-39页 |
| ·聚类分析 | 第39-41页 |
| ·节点相似度度量 | 第39-40页 |
| ·算法描述 | 第40-41页 |
| ·实验结果 | 第41-44页 |
| ·迭代过程 | 第41-42页 |
| ·SCN与划分方法的比较 | 第42页 |
| ·SCN与凝聚方法的比较 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第6章 基于非对称相似度的ROCK改进算法 | 第46-54页 |
| ·ROCK聚类算法 | 第46-47页 |
| ·IROCK聚类算法 | 第47-48页 |
| ·链接权值交迭 | 第47-48页 |
| ·文本的语义关联 | 第48页 |
| ·聚类分析 | 第48-50页 |
| ·最优值计算 | 第49页 |
| ·算法描述 | 第49-50页 |
| ·实验结果 | 第50-53页 |
| ·不同结果类簇粒度的比较 | 第50-51页 |
| ·不同数据规模下的比较 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第7章 基于概念链的聚类 | 第54-62页 |
| ·概念表示 | 第54-57页 |
| ·WordNet | 第54-55页 |
| ·概念链 | 第55-56页 |
| ·概念权值 | 第56-57页 |
| ·概念链模型 | 第57页 |
| ·聚类分析 | 第57-59页 |
| ·实验结果 | 第59-61页 |
| ·划分的聚类方法 | 第59页 |
| ·凝聚的层次聚类方法 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第8章 结论 | 第62-64页 |
| ·研究工作总结 | 第62-63页 |
| ·未来工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 附录 A 文本数据集简介 | 第70-72页 |
| A.1 20NewsGroup | 第70页 |
| A.2 RCV1 | 第70-72页 |
| 附录 B Text Mining Tool简介 | 第72-76页 |
| B.1 开发背景 | 第72页 |
| B.2 设计实现 | 第72-73页 |
| B.3 聚类模块 | 第73-76页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第76页 |
