基于主题的在线网络舆情监测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 话题检测研究现状 | 第10-12页 |
| 1.2.2 情感分析研究现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关背景知识介绍 | 第16-23页 |
| 2.1 网络舆情基本概念及特点 | 第16-17页 |
| 2.2 向量空间模型 | 第17-19页 |
| 2.3 文本聚类 | 第19-21页 |
| 2.4 情感分析任务 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 舆情信息采集及预处理 | 第23-29页 |
| 3.1 舆情信息采集技术 | 第23-26页 |
| 3.1.1 网络爬虫基本原理 | 第23-24页 |
| 3.1.2 基于域名规则的定制主题爬虫抓取策略 | 第24-26页 |
| 3.2 信息预处理技术 | 第26-28页 |
| 3.2.1 基于HTML标签的新闻元数据提取 | 第26-27页 |
| 3.2.2 降噪处理 | 第27页 |
| 3.2.3 中文分词 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基于隐含语义分析的在线热点话题发现 | 第29-39页 |
| 4.1 文本特征表示 | 第29-32页 |
| 4.1.1 文本特征降维的必要性 | 第29-30页 |
| 4.1.2 改进的文本特征权重计算方法 | 第30页 |
| 4.1.3 基于隐含语义分析的文本特征表示 | 第30-32页 |
| 4.2 热点话题聚类 | 第32-37页 |
| 4.2.1 话题检测的文本聚类算法 | 第32-35页 |
| 4.2.2 改进的Single pass算法 | 第35-37页 |
| 4.3 话题热度评估 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 基于情感词典的情感分析方法 | 第39-47页 |
| 5.1 情感倾向性定义 | 第39-40页 |
| 5.2 情感信息抽取 | 第40-44页 |
| 5.2.1 情感词的获取 | 第40-43页 |
| 5.2.2 程度副词的处理 | 第43页 |
| 5.2.3 否定副词的处理 | 第43-44页 |
| 5.2.4 标点符号的处理 | 第44页 |
| 5.2.5 评论主体词的获取 | 第44页 |
| 5.3 基于词典的情感倾向分析 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 系统实现与实验分析 | 第47-62页 |
| 6.1 系统实现 | 第47-55页 |
| 6.1.1 系统开发工具 | 第47页 |
| 6.1.2 系统框架及各模块设计 | 第47-55页 |
| 6.2 实验结果与分析 | 第55-61页 |
| 6.2.1 实验数据描述 | 第55页 |
| 6.2.2 实验评测标准 | 第55-56页 |
| 6.2.3 热点话题检测结果测评 | 第56-59页 |
| 6.2.4 热点话题评论情感分析结果测评 | 第59-61页 |
| 6.3 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
