| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 网络社区舆情分析技术研究 | 第11-12页 |
| 1.2.2 网络社区舆情预警技术研究 | 第12-14页 |
| 1.2.3 文本情感计算技术研究 | 第14-15页 |
| 1.2.4 国内外研究现状总结 | 第15-16页 |
| 1.3 论文研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关关键技术 | 第18-26页 |
| 2.1 流数据处理技术 | 第18-22页 |
| 2.1.1 大数据实时流处理框架 | 第18-20页 |
| 2.1.2 分布式消息系统Kafka | 第20-21页 |
| 2.1.3 实时流处理框架SparkStreaming | 第21-22页 |
| 2.2 自然语言处理技术 | 第22-26页 |
| 2.2.1 词法分析 | 第22-23页 |
| 2.2.2 句法分析 | 第23页 |
| 2.2.3 语义分析 | 第23-24页 |
| 2.2.4 自然语言处理工具 | 第24-26页 |
| 第三章 网络社区舆情分析预警技术方案设计 | 第26-38页 |
| 3.1 概述 | 第26-27页 |
| 3.2 网络舆情词库构建 | 第27-30页 |
| 3.2.1 网络社区舆情知识库构建 | 第27-29页 |
| 3.2.2 判别词典构建 | 第29-30页 |
| 3.3 网络社区文本预处理 | 第30-32页 |
| 3.4 网络社区舆情分析模型设计 | 第32-34页 |
| 3.4.1 文本倾向判别 | 第32页 |
| 3.4.2 网络社区舆情类别判别 | 第32-33页 |
| 3.4.3 网络社区舆情关键词识别 | 第33-34页 |
| 3.5 网络社区舆情预警模型设计 | 第34-38页 |
| 3.5.1 语句突发舆情指数计算模型 | 第34-35页 |
| 3.5.2 文本突发舆情指数计算模型 | 第35-38页 |
| 第四章 网络社区舆情分析预警方案的技术实现 | 第38-48页 |
| 4.1 流数据处理框架实现 | 第38-40页 |
| 4.1.1 Kafka消息队列 | 第38-39页 |
| 4.1.2 实时流处理框架SparkStreaming | 第39-40页 |
| 4.2 文本预处理实现 | 第40-41页 |
| 4.3 网络社区舆情分析模型实现 | 第41-44页 |
| 4.3.1 文本倾向分析 | 第41-42页 |
| 4.3.2 网络社区舆情类别判别 | 第42-44页 |
| 4.4 网络社区舆情预警模型实现 | 第44-48页 |
| 4.4.1 语句突发舆情指数计算 | 第44-46页 |
| 4.4.2 文本突发舆情指数计算 | 第46-48页 |
| 第五章 实验与结果分析 | 第48-54页 |
| 5.1 实验环境搭建 | 第48-49页 |
| 5.2 实验数据集 | 第49页 |
| 5.3 实验验证 | 第49-54页 |
| 5.3.1 分析预警方法选取验证 | 第49-51页 |
| 5.3.2 检测技术效果验证 | 第51-52页 |
| 5.3.3 实时预警速度测评 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 研究工作总结 | 第54-55页 |
| 6.2 下一步研究工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |