基于内容的新浪微博舆情预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 概述 | 第9-13页 |
| 1.1 研究的背景、目的和意义 | 第9-10页 |
| 1.1.1 研究的背景 | 第9页 |
| 1.1.2 研究的目的和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-12页 |
| 1.3 研究的框架 | 第12-13页 |
| 第2章 文本挖掘相关技术 | 第13-19页 |
| 2.1 中文分词 | 第13-14页 |
| 2.1.1 主要的分词方法 | 第13-14页 |
| 2.1.2 分词主要面临的困难 | 第14页 |
| 2.2 文本表示 | 第14-16页 |
| 2.2.1 文本表示方式 | 第14-15页 |
| 2.2.2 特征权重的选取 | 第15页 |
| 2.2.3 文本的特征提取 | 第15-16页 |
| 2.3 文本分类算法 | 第16-19页 |
| 2.3.1 决策树算法 | 第16-17页 |
| 2.3.2 支持向量机 | 第17-19页 |
| 第3章 系统总体概述 | 第19-22页 |
| 3.1 需求分析 | 第19-20页 |
| 3.2 系统特点 | 第20页 |
| 3.3 系统逻辑 | 第20-22页 |
| 第4章 博文分类与热点话题发现 | 第22-27页 |
| 4.1 研究思路 | 第22页 |
| 4.2 数据收集与清洗 | 第22-23页 |
| 4.3 文本向量化 | 第23-26页 |
| 4.3.1 卡方特征提取 | 第24-25页 |
| 4.3.2 减少特征维数 | 第25-26页 |
| 4.3.3 特征权重计算 | 第26页 |
| 4.4 博文内容分类 | 第26-27页 |
| 4.5 热点话题发现 | 第27页 |
| 第5章 应用与分析 | 第27-36页 |
| 5.1 功能介绍 | 第27-28页 |
| 5.2 分析指标 | 第28-29页 |
| 5.3 应用案例 | 第29-36页 |
| 第6章 结论与展望 | 第36-41页 |
| 6.1 微博舆情的特点和指导意义 | 第36-39页 |
| 6.1.1 研究挖掘的产品特点 | 第36-37页 |
| 6.1.2 指导意义与策略创新 | 第37-39页 |
| 6.2 研究总结 | 第39-41页 |
| 6.2.1 创新之处 | 第39页 |
| 6.2.2 有待改进 | 第39-40页 |
| 6.2.3 对未来的展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43-44页 |
