数字文献资源高维聚合模型研究

引言 一 研究背景和意义 (一)研究背景 (二)研究意义 二 国内外研究综述 (一)国内研究进展 (二)国外研究进展 (三)相关研究述评 三 研究目的、方法与创新 (一)研究目的与思路 (二)研究方法与工具 (三)本书的创新之处 **章 数字文献资源聚合的概念与理论基础 一 数字文献资源的范畴 (一)数字化的信息资源 (二)数字文献资源 二 数字文献资源聚合的内涵与外延 (一)聚合的缘起 (二)文献资源聚合的内涵 (三)文献资源聚合的外延 三 数字文献资源聚合研究的形式和内容 (一)数字文献资源聚合的形式 (二)数字文献聚合研究内容辨析 四 数字文献资源聚合研究的理论基础 (一)文本挖掘理论 (二)共现理论与共现网络 (三)LSA与LSI理论 (四)FA与PA理论 (五)信息熵理论 (六)长尾理论 五 数字文献资源聚合的应用方法研究 (一)新闻聚合与自动摘要 (二)对检索结果的聚类 (三)文档管理与个性化信息服务 (四)改善文献分类的结果 六 数字文献资源基于元数据聚合的探索 (一)元数据是数字文献资源的特征信息 (二)基于元数据实现文献聚合的可行性 七 本章小结 第二章 数字文献资源的高维向量表示与语义相关性研究 一 数字文献资源的多元和高维特征 (一)文献属性的多元特征 (二)文献主题的高维特征 二 文献主题的特征选择与评价方法 (一)文献主题特征的选择问题 (二)特征子集的选取与评价 三 文献特征的高维表示与文献相似性测度方法 (一)文献特征的高维向量表示 (二)文献相似性与距离的测度 四 向量空间模型及其衍生模型 (一)经典VSM模型 (二)广义向量空间模型 (三)面向中文文献聚类的VSM类模型 五 语义向量空间模型 (一)基于VSM的语义相关性研究 (二)语义信息增强模型 (三)语义核与文献主题相似性 六 本章小结 第三章 共现潜在语义向量空间模型(CLSVSM) 一 共现潜在语义的概念 (一)语义与语义信息 (二)潜在语义与共现潜在语义 (三)共现潜在语义的挖掘 二 基于共现潜在语义的文献高维向量表示模型 (一)文献高维向量表示的困境 (二)模型提出的基础 (三)相关定义和记号 (四)CLSVSM模型的表示 (五)CLSVSM模型的解释 三 语义信息的增强与约简探讨 (一)语义信息的增强 (二)语义信息的约简 四 基于CLSVSM的数字文献资源聚合 (一)基于特征向量聚类的文献聚合步骤 (二)文献的相似矩阵 (三)文献集的相似度 (四)聚类算法选择 (五)聚类准则函数 (六)聚类评价方法 五 CLSVSM模型与VSM衍生模型的类比 (一)类比基于关键词相同度的VSM模型 (二)类比扭曲VSM模型 (三)类比TCABARwC模型 六 本章小结 第四章 CLSVSM模型的实验检验与评价 一 文献聚类实验的基本设计 (一)实验的目的和要求 (二)实验基本流程设计 二 文献聚类评价方法 (一)BF指标 (二)熵值、纯度和错误率 三 高维向量聚类工具：gCLUTo 四 实验文献集的来源与描述 (一)数据的选择和采集 (二)数据的整理与分析 (三)实验数据集的基本统计描述 五 文献聚类实验内容与方案 (一)实验内容 (二)实验步骤 (三)实验方案 六 文献聚类实验结果与分析 (一)CLSVSM模型的语义信息增强效果分析 (二)CLSVSM模型的聚类效果对比实验 (三)实验总结：CLSVSM的优势 七 本章小结 第五章 CLSVSM模型的应用与实证 一 CLSVSM模型的应用范围 二 实证准备 (一)实证数据的选择 (二)文献聚类簇数目的确定 三 基于CLSVSM模型的聚合实证研究 (一)实证Ⅰ一一以概率论与数理统计学科抽样文献为例 (二)实证Ⅱ一一以信息资源建设主题的检索文献集为例 四 本章小结 第六章 CLSVSM模型的进一步研究 一 共现潜在语义的不同估计量对比研究 (一)基于不同共现潜在语义估计量的模型构建 (二)基于不同共现潜在语义估计量的模型对比 二 CLSVSM对英文文献的适应性研究 (一)英文文献数据采集 (二)CLSVSM对中英文数据聚类的对比 三 共现矩阵的约简研究 (一)截尾共现潜在语义向量空间模型 (二)共现矩阵约简前后的对比 四 共现潜在语义核研究 (一)GCLSVSM (二)广义模型与原模型的实验对比 (三)CLSVSM＿K 五 三元共现的挖掘与利用研究 (一)三元共现的表示 (二)三元共现强度的计算 (三)三元CLSVSM (四)三元CLSVSM与CLSVSM的比较 六 本章小结 第七章 总结与展望 一 总结与启示 二 不足与展望 参考文献 致 谢