网络舆情热点话题发现技术研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-16页 |
| ·课题研究背景与意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·课题研究意义 | 第10-11页 |
| ·国内外相关研究现状 | 第11-14页 |
| ·论文的主要研究内容及工作 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 网络舆情分析相关技术 | 第16-26页 |
| ·总体介绍 | 第16-17页 |
| ·相关技术介绍 | 第17-25页 |
| ·网络爬虫技术 | 第17-19页 |
| ·自然语言处理技术 | 第19-21页 |
| ·关键词抽取技术 | 第21-22页 |
| ·Web 文本挖掘 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 网络舆情话题识别 | 第26-43页 |
| ·总体设计 | 第26-27页 |
| ·网络舆情语料的采集 | 第27-30页 |
| ·网页采集 | 第27-28页 |
| ·网页清洗 | 第28-30页 |
| ·网络舆情信息的预处理 | 第30-35页 |
| ·向量空间模型 | 第31页 |
| ·新闻特征提取 | 第31-32页 |
| ·新闻特征词权重计算 | 第32-34页 |
| ·新闻报道相似度计算 | 第34-35页 |
| ·话题发现 | 第35-39页 |
| ·Single-pass 增量聚类算法 | 第35-37页 |
| ·增量 K-means 聚类算法 | 第37-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·实验评价标准 | 第39页 |
| ·相似度阈值的取值计算 | 第39-41页 |
| ·算法的比较与分析 | 第41-42页 |
| ·结果分析 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 热点话题发现 | 第43-53页 |
| ·话题热点特征表示及量化 | 第43-46页 |
| ·媒体关注度 | 第43-44页 |
| ·网民关注度 | 第44页 |
| ·特征量化及“热”度计算公式 | 第44-46页 |
| ·Topic Index | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·实验语料 | 第47页 |
| ·话题发现 | 第47-48页 |
| ·热点话题识别 | 第48-50页 |
| ·话题发展曲线 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53-54页 |
| 进一步的研究工作 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第59页 |
