声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
(一) 降维算法的研究现状
(二) 聚类算法的研究现状
(三) 短文本聚类的研究现状
1.3 本文研究思路与内容
(一) 研究思路
(二) 研究内容
(三) 创新之处
2 短文本特点与预处理
2.1 短文本特点
2.2 数据预处理
(一) 去噪声
(三) 停用词过滤
(四) 文本数值表示
3 特征选择与降维
3.1 特征选择
3.2 特征降维
4 聚类分析与集成学习
4.1 聚类分析
(一) 聚类算法
(二) 聚类性能评估
4.2 集成学习
5 联想评论文本的集成聚类分析
5.1 联想评论文本的采集
(一) 数据爬取
(二) 数据特点
5.2 评论文本的预处理结果
5.3 特征选择与特征降维结果
(一) 选取特征选择方法
(二) 确定降维算法
5.4 集成聚类器的构建
5.5 最终聚类结果及其分析
5.6 相应建议与策略
6 论文总结
6.1 论文内容总结
6.2 未来工作展望
致谢
参考文献
华中科技大学;