| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 网络舆情监控概述 | 第15-18页 |
| 1.1.1 网络舆情概述 | 第15-16页 |
| 1.1.2 网络舆情监控概述 | 第16-17页 |
| 1.1.3 环保网络舆情监控研究意义 | 第17-18页 |
| 1.2 国内外舆情监控系统发展现状分析 | 第18-19页 |
| 1.2.1 国外发展现状 | 第18页 |
| 1.2.2 国内发展现状 | 第18-19页 |
| 1.2.3 环保网络舆情监控系统发展现状 | 第19页 |
| 1.3 论文的主要研究内容及组织方法 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 舆情源数据采集技术研究 | 第21-35页 |
| 2.1 问题分析与描述 | 第21-22页 |
| 2.2 功能分析与结构设计 | 第22-27页 |
| 2.2.1 网络爬虫概述 | 第22页 |
| 2.2.2 主要的技术难点 | 第22-24页 |
| 2.2.3 分布式爬虫系统架构设计 | 第24-27页 |
| 2.3 网络爬虫的实现 | 第27-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 文本分类关键技术 | 第35-47页 |
| 3.1 文本分类方法综述 | 第35页 |
| 3.2 文本表示 | 第35-39页 |
| 3.2.1 特征项粒度选择 | 第36页 |
| 3.2.2 特征权重的计算 | 第36-37页 |
| 3.2.3 文本特征选择 | 第37-39页 |
| 3.3 常用分类算法 | 第39-42页 |
| 3.3.1 朴素贝叶斯模型 | 第39-40页 |
| 3.3.2 逻辑回归 | 第40-41页 |
| 3.3.3 K近邻算法 | 第41-42页 |
| 3.3.4 支持向量机 | 第42页 |
| 3.4 分类器性能评价 | 第42-43页 |
| 3.5 环保类文本分类技术 | 第43-44页 |
| 3.6 实验结果与分析 | 第44-46页 |
| 3.6.1 基于文档频率特征选择实验结果 | 第44-45页 |
| 3.6.2 基于信息增益特征选择实验结果 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 文本的观点倾向性分析 | 第47-55页 |
| 4.1 概述 | 第47页 |
| 4.2 观点倾向性词典的构建 | 第47-50页 |
| 4.2.1 基于知网的观点词倾向性计算 | 第48-49页 |
| 4.2.2 基于互信息的观点词倾向性计算 | 第49页 |
| 4.2.3 观点倾向性词典的构建方法 | 第49-50页 |
| 4.3 文本观点倾向性判断 | 第50-52页 |
| 4.3.1 基于观点倾向性权重的特征词权重计算方法 | 第51页 |
| 4.3.2 基于支持向量机（SVM）的观点倾向性分析 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 环保舆情监控系统设计 | 第55-63页 |
| 5.1 需求分析及设计目标 | 第55-56页 |
| 5.1.1 环保网络舆情监控系统需求分析 | 第55页 |
| 5.1.2 环保网络舆情监控系统设计目标 | 第55-56页 |
| 5.2 环保网络舆情监控系统总体设计 | 第56-62页 |
| 5.2.1 总体架构设计 | 第56-57页 |
| 5.2.2 系统模块设计 | 第57-60页 |
| 5.2.3 系统开发环境介绍 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |