| 中文摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 引言 | 第13-23页 |
| 1.1 研究背景 | 第13-14页 |
| 1.1.1 企业营销传播自媒体化 | 第13页 |
| 1.1.2 用户积聚圈层化 | 第13页 |
| 1.1.3 微信公众号阶段性发展 | 第13-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 对微信公众号的研究 | 第14-18页 |
| 1.2.2 基于大数据背景下的内容分析研究 | 第18-19页 |
| 1.2.3 关于文本挖掘在传播学方面的研究 | 第19-20页 |
| 1.2.4 总结 | 第20页 |
| 1.3 研究目的和意义 | 第20-21页 |
| 1.4 研究方法与研究思路 | 第21-23页 |
| 1.4.1 研究方法 | 第21页 |
| 1.4.2 研究思路 | 第21-23页 |
| 第二章 文本挖掘与内容分析 | 第23-34页 |
| 2.1 文本挖掘与文本分类、文本聚类 | 第23-25页 |
| 2.1.1 文本挖掘 | 第23页 |
| 2.1.2 文本分类与文本聚类 | 第23-25页 |
| 2.2 文本预处理 | 第25-27页 |
| 2.2.1 中文分词 | 第25页 |
| 2.2.2 停用词 | 第25-26页 |
| 2.2.3 文本表示向量空间模型(VSM) | 第26-27页 |
| 2.2.4 权重 | 第27页 |
| 2.2.5 隐含语义分析(Latent Semantic Analysis,简称LSA) | 第27页 |
| 2.2.6 余弦相似性(Cosine Similarity) | 第27页 |
| 2.3 文本层次聚类 | 第27-29页 |
| 2.3.1 文本层次聚类概述 | 第27-28页 |
| 2.3.2 层次聚类法的实现逻辑 | 第28页 |
| 2.3.3 层次聚类中的各种算法比较 | 第28-29页 |
| 2.4 文本挖掘与内容分析的比较 | 第29-34页 |
| 2.4.1 文本挖掘是内容分析的一个子集 | 第29-31页 |
| 2.4.2 文本挖掘呈现出的特殊性 | 第31-34页 |
| 第三章 研究设计与实施 | 第34-49页 |
| 3.1 研究设计 | 第34-36页 |
| 3.1.1 研究假设 | 第34-35页 |
| 3.1.2 概念化 | 第35页 |
| 3.1.3 操作化 | 第35-36页 |
| 3.2 操作流程 | 第36-49页 |
| 3.2.1 研究案例 | 第36-37页 |
| 3.2.2 样本选取 | 第37页 |
| 3.2.3 数据获取 | 第37页 |
| 3.2.4 数据整理与清理 | 第37-38页 |
| 3.2.5 分词并选取特征项 | 第38-39页 |
| 3.2.6 结构化文档——TDM | 第39-40页 |
| 3.2.7 对数熵权重算法 | 第40页 |
| 3.2.8 文本聚类与类别标签 | 第40-46页 |
| 3.2.9 汇总数据 | 第46-49页 |
| 第四章 数据分析 | 第49-56页 |
| 4.1 方差分析 | 第49-50页 |
| 4.2 典型类型分析 | 第50-56页 |
| 4.2.1 “类型2”关键内容与用户接受特征 | 第51-52页 |
| 4.2.2 “类型18”关键内容与用户接受特征 | 第52-54页 |
| 4.2.3 其他类型的关键内容 | 第54-56页 |
| 第五章 结论 | 第56-59页 |
| 5.1 研究总结 | 第56-57页 |
| 5.2 研究局限性 | 第57页 |
| 5.3 研究展望 | 第57-59页 |
| 附录: 本文程序语句 | 第59-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 个人简况及联系方式 | 第74-76页 |