基于语义的网络舆情热点话题发现研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·论文研究背景与意义 | 第8-9页 |
| ·论文研究内容 | 第9页 |
| ·论文组织结构 | 第9-11页 |
| 2 相关研究 | 第11-20页 |
| ·网络舆情分析与监测系统 | 第11-12页 |
| ·网络舆情热点话题发现相关技术 | 第12-16页 |
| ·网页信息采集技术 | 第12-14页 |
| ·网页净化技术 | 第14页 |
| ·中文分词技术 | 第14-15页 |
| ·文本信息挖掘技术 | 第15-16页 |
| ·语义Web及本体技术 | 第16-19页 |
| ·语义Web技术 | 第16-18页 |
| ·本体(Ontology)技术 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 信息采集与网页预处理研究 | 第20-31页 |
| ·信息采集模块 | 第20-23页 |
| ·网络爬虫总体结构及工作流程 | 第20-22页 |
| ·网络爬虫网页下载模块 | 第22-23页 |
| ·网络爬虫网页分析模块 | 第23页 |
| ·网络爬虫URL去重模块 | 第23页 |
| ·网页预处理模块 | 第23-30页 |
| ·网页净化模块 | 第24-27页 |
| ·中文分词模块 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于语义的网络舆情热点话题发现模型构建 | 第31-53页 |
| ·热点话题发现的语义模型框架 | 第31-36页 |
| ·总体架构 | 第31-33页 |
| ·知网(Hownet)系统 | 第33-36页 |
| ·文本表示模型 | 第36-41页 |
| ·特征抽取 | 第37-39页 |
| ·权值计算 | 第39-40页 |
| ·文本表示 | 第40-41页 |
| ·文本相似度计算 | 第41-44页 |
| ·概念相似度计算 | 第42-44页 |
| ·文本相似度计算 | 第44页 |
| ·一种基于语义分析的文本聚类算法 | 第44-47页 |
| ·热点分析 | 第47-49页 |
| ·话题关注度 | 第47-48页 |
| ·热点判别 | 第48-49页 |
| ·实验结果的比较与分析 | 第49-52页 |
| ·数据准备 | 第49-50页 |
| ·实验结果及比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 网络舆情热点话题发现系统设计与实现 | 第53-58页 |
| ·总体设计和框架结构 | 第53-56页 |
| ·开发环境与开发工具 | 第56页 |
| ·系统功能实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 7 参考文献 | 第60-67页 |
| 8 攻读硕士学位期间论文发表情况 | 第67-68页 |
| 9 致谢 | 第68页 |
