| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究目标 | 第14页 |
| 1.4 文章的组织结构 | 第14-16页 |
| 第二章 相关技术概述 | 第16-35页 |
| 2.1 文本的预处理技术 | 第16-18页 |
| 2.1.1 中文分词技术 | 第16-17页 |
| 2.1.2 停用词处理 | 第17页 |
| 2.1.3 文本的表示模型 | 第17-18页 |
| 2.2 文本的特征选择技术 | 第18-20页 |
| 2.3 文本分类技术 | 第20-29页 |
| 2.3.1 文本分类简介 | 第20-27页 |
| 2.3.2 文本分类的评价指标 | 第27-29页 |
| 2.4 增量聚类 | 第29页 |
| 2.5 词向量模型 | 第29-30页 |
| 2.6 人工神经网络 | 第30-34页 |
| 2.6.1 人工神经网络 | 第30-32页 |
| 2.6.2 从感知机到多层神经网络 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 文本分类中基于改进型卡方检验的特征选择方法 | 第35-40页 |
| 3.1 卡方检验的不足 | 第36-37页 |
| 3.2 卡方检验的改进 | 第37-39页 |
| 3.2.1 频度和类间集中度 | 第38页 |
| 3.2.2 类内分散度 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 舆情分析系统的设计 | 第40-57页 |
| 4.1 舆情分析系统的模块划分及架构设计 | 第40-41页 |
| 4.2 数据的获取 | 第41-42页 |
| 4.3 文本分类模块的设计 | 第42-46页 |
| 4.4 热点话题发现模块的设计 | 第46-50页 |
| 4.4.1 文本的表示 | 第46页 |
| 4.4.2 相似度的计算 | 第46-47页 |
| 4.4.3 增量聚类 | 第47-48页 |
| 4.4.4 综合设计 | 第48-50页 |
| 4.5 情感分析模块的设计 | 第50-56页 |
| 4.5.1 word2vec工具简介 | 第51-52页 |
| 4.5.2 卷积神经网络 | 第52-55页 |
| 4.5.3 综合设计 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 舆情分析系统的实现 | 第57-68页 |
| 5.1 文本分类模块实现 | 第57-62页 |
| 5.2 热点话题发现模块实现 | 第62-64页 |
| 5.3 情感分类模块的实现 | 第64-66页 |
| 5.4 系统实现过程中发现的问题及解决方案 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间所取得的研究成果 | 第74-75页 |