微博数据挖掘可视化系统的设计与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状分析 | 第13-14页 |
| 1.2.1 微博数据采集研究现状 | 第13页 |
| 1.2.2 情感分析研究现状 | 第13-14页 |
| 1.2.3 微博可视化研究现状 | 第14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关理论与关键技术研究 | 第17-27页 |
| 2.1 微博数据采集技术 | 第17-19页 |
| 2.1.1 基于API的数据采集 | 第17-18页 |
| 2.1.2 基于网络爬虫的数据采集 | 第18-19页 |
| 2.1.3 开源爬虫工具 | 第19页 |
| 2.2 微博文本预处理 | 第19-23页 |
| 2.2.1 数据清洗 | 第20页 |
| 2.2.2 中文分词与停用词处理 | 第20-22页 |
| 2.2.3 TF-IDF关键词抽取 | 第22-23页 |
| 2.3 微博文本情感分析 | 第23-24页 |
| 2.3.1 基于情感词典的方法 | 第23-24页 |
| 2.3.2 基于机器学习的方法 | 第24页 |
| 2.4 微博数据可视化 | 第24-25页 |
| 2.4.1 数据可视化的方式 | 第24-25页 |
| 2.4.2 数据可视化的工具 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 微博数据的采集及存储 | 第27-37页 |
| 3.1 微博爬虫系统的整体设计 | 第27-29页 |
| 3.2 模拟登录 | 第29-31页 |
| 3.3 微博数据的采集 | 第31-33页 |
| 3.3.1 热门微博的采集 | 第31-32页 |
| 3.3.2 微博信息的采集 | 第32页 |
| 3.3.3 用户信息的采集 | 第32-33页 |
| 3.4 微博爬虫系统的数据库设计 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于机器学习的微博情感分析研究 | 第37-57页 |
| 4.1 算法基本原理 | 第37-41页 |
| 4.1.1 朴素贝叶斯 | 第37-39页 |
| 4.1.2 逻辑回归 | 第39-40页 |
| 4.1.3 支持向量机 | 第40-41页 |
| 4.2 算法流程设计 | 第41-44页 |
| 4.2.1 人工标注与文本预处理 | 第41-42页 |
| 4.2.2 特征抽取与特征选择 | 第42-43页 |
| 4.2.3 数据集分割 | 第43页 |
| 4.2.4 训练分类模型 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-55页 |
| 4.3.1 实验数据与评价指标 | 第44-47页 |
| 4.3.2 特征抽取与特征选择对比实验 | 第47-50页 |
| 4.3.3 分类器对比实验 | 第50-54页 |
| 4.3.4 分类器效果验证 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 微博数据挖掘可视化系统的设计与实现 | 第57-67页 |
| 5.1 系统需求分析 | 第57页 |
| 5.2 系统架构设计 | 第57-58页 |
| 5.3 系统功能详细设计 | 第58-62页 |
| 5.3.1 用户分析模块 | 第58-61页 |
| 5.3.2 微博分析模块 | 第61-62页 |
| 5.4 系统可视化界面展示 | 第62-66页 |
| 5.4.1 用户分析功能展示 | 第62-65页 |
| 5.4.2 微博分析功能展示 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67页 |
| 6.2 建议与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 作者简介 | 第75-77页 |
| 致谢 | 第77页 |
