基于支持向量机的网络舆情危机预警研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究综述 | 第12-16页 |
| ·研究内容与创新 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 网络舆情的基础理论 | 第18-27页 |
| ·网络舆情 | 第18-21页 |
| ·网络舆情的概念 | 第18页 |
| ·网络舆情的特点 | 第18-19页 |
| ·网络舆情的形成 | 第19-21页 |
| ·网络舆情危机 | 第21-23页 |
| ·网络舆情危机的定义 | 第21-22页 |
| ·网络舆情危机的特点 | 第22页 |
| ·网络舆情危机的成因 | 第22-23页 |
| ·网络舆情危机预警 | 第23-26页 |
| ·网络舆情危机预警的概述 | 第23-24页 |
| ·网络舆情危机预警的方法 | 第24-25页 |
| ·网络舆情危机预警的作用 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 网络舆情危机的预警指标体系 | 第27-44页 |
| ·网络舆情危机的影响因素分析 | 第27-28页 |
| ·关注度 | 第27页 |
| ·观点倾向性 | 第27页 |
| ·观点强度 | 第27-28页 |
| ·预警指标体系的设计 | 第28-35页 |
| ·指标体系构建原则 | 第28页 |
| ·初级指标体系建立 | 第28-29页 |
| ·指标含义及其分析 | 第29-35页 |
| ·基于主成分分析法的预警指标体系 | 第35-43页 |
| ·主成分分析基本理论 | 第35-38页 |
| ·主成分分析计算步骤 | 第38页 |
| ·主成分法的结果分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于支持向量机的网络舆情危机预警模型 | 第44-51页 |
| ·SVM 支持向量机理论 | 第44-47页 |
| ·支持向量机 | 第44-46页 |
| ·支持向量回归机 | 第46-47页 |
| ·支持向量机应用于网络舆情危机预警的可行性分析 | 第47-48页 |
| ·基于支持向量机的网络舆情危机预警模型的建立 | 第48-50页 |
| ·网络舆情危机预警的 SVM 回归算法建模 | 第48-49页 |
| ·支持向量机的参数选择分析 | 第49-50页 |
| ·支持向量机模型精度的评价指标 | 第50页 |
| ·本章小结 | 第50-51页 |
| 5 实证分析 | 第51-64页 |
| ·“微笑局长”网舆事件概述及样本选取 | 第51-56页 |
| ·“微笑局长”事件概述及分析 | 第51-53页 |
| ·样本数据选取 | 第53-56页 |
| ·“微笑局长”网络舆情事件的数据处理 | 第56-59页 |
| ·基本处理思路 | 第56-57页 |
| ·正向指标处理 | 第57页 |
| ·负向指标处理 | 第57-59页 |
| ·实证结果分析 | 第59-63页 |
| ·SVM 的参数选择 | 第59-60页 |
| ·SVM 训练及预警结果 | 第60-61页 |
| ·实验结果分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·不足与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录1（数据处理程序代码） | 第70-73页 |
| 附录2（读研期间科研成果） | 第73-74页 |
| 致谢 | 第74-75页 |
