| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究工作的背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 本论文的组织结构 | 第17-19页 |
| 第二章 总体设计及相关理论研究 | 第19-34页 |
| 2.1 系统总体设计 | 第19-23页 |
| 2.1.1 网络舆情分析系统概述 | 第19-21页 |
| 2.1.2 网络舆情分析系统的框架组成 | 第21-22页 |
| 2.1.3 本系统总体设计 | 第22-23页 |
| 2.2 微博信息采集技术 | 第23-25页 |
| 2.2.1 基于微博开放平台的数据获取技术 | 第23页 |
| 2.2.2 基于网络爬虫的微博数据获取技术 | 第23-25页 |
| 2.3 文本预处理技术 | 第25-27页 |
| 2.3.1 网页正文信息提取 | 第25-26页 |
| 2.3.2 网页正文预处理 | 第26-27页 |
| 2.4 文本表示模型 | 第27-31页 |
| 2.4.1 空间向量模型（VSM） | 第27-29页 |
| 2.4.2 主题模型（LDA） | 第29-31页 |
| 2.4.3 分布式表达的词向量模型（word2vec） | 第31页 |
| 2.5 文本聚类算法 | 第31-33页 |
| 2.5.1 聚类算法简介 | 第31-32页 |
| 2.5.2 聚类算法的分类 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于Improved-word2vec&TF-IDF的文本表示模型 | 第34-54页 |
| 3.1 背景知识 | 第34-39页 |
| 3.1.1 词向量 | 第34-35页 |
| 3.1.2 统计语言模型 | 第35-36页 |
| 3.1.3 n-gram模型 | 第36-37页 |
| 3.1.4 神经概率语言模型 | 第37-39页 |
| 3.2 word2vec原理剖析 | 第39-46页 |
| 3.2.1 word2vec的模型 | 第39-40页 |
| 3.2.2 CBOW模型 | 第40-44页 |
| 3.2.3 Skip-gram模型 | 第44-46页 |
| 3.3 基于word2vec的改进文本表示模型 | 第46-49页 |
| 3.3.1 传统文本表示模型的问题 | 第46-47页 |
| 3.3.2 基于Improved-word2vec&TF-IDF的文本表示模型 | 第47-49页 |
| 3.4 实验与分析 | 第49-53页 |
| 3.4.1 实验数据与预处理 | 第49-52页 |
| 3.4.2 实验评价指标与结果分析 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于Improved-SP&HAC算法的微博话题检测 | 第54-68页 |
| 4.1 算法概述 | 第54-57页 |
| 4.1.1 微博话题检测的流程 | 第54-55页 |
| 4.1.2 聚类算法的选取 | 第55-57页 |
| 4.2 一种改进的Single-pass算法 | 第57-60页 |
| 4.3 微博话题检测 | 第60-63页 |
| 4.3.1 话题检测的算法流程 | 第60-61页 |
| 4.3.2 基于HAC算法的话题合并 | 第61-63页 |
| 4.4 实验与分析 | 第63-66页 |
| 4.4.1 实验一：算法性能比较 | 第63-66页 |
| 4.4.2 实验二：不同阈值对算法性能的影响 | 第66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 基于微博的网络舆情分析系统的实现与测试 | 第68-81页 |
| 5.1 数据库设计 | 第68-71页 |
| 5.2 功能模块设计 | 第71-75页 |
| 5.2.1 微博数据采集模块 | 第71-72页 |
| 5.2.2 文本预处理模块 | 第72-73页 |
| 5.2.3 话题检测模块 | 第73-75页 |
| 5.2.4 应用管理模块 | 第75页 |
| 5.3 系统模块实现 | 第75-79页 |
| 5.3.1 系统开发环境 | 第75-76页 |
| 5.3.2 登录模块 | 第76-77页 |
| 5.3.3 系统主界面 | 第77页 |
| 5.3.4 系统其他主要页面 | 第77-79页 |
| 5.4 系统测试 | 第79-80页 |
| 5.4.1 测试内容 | 第79页 |
| 5.4.2 测试结果 | 第79-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 本文总结 | 第81-82页 |
| 6.2 未来展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 攻读硕士学位期间取得的成果 | 第89-90页 |
