旅游数据的查询与可视分析技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 用户查询技术 | 第11-13页 |
| 1.2.2 信息可视化 | 第13-16页 |
| 1.3 本文的组织结构说明 | 第16-18页 |
| 2 相关理论、技术与模型 | 第18-25页 |
| 2.1 Top-k支配查询 | 第18-22页 |
| 2.1.1 BSA和DA查询算法 | 第18-20页 |
| 2.1.2 TDEP查询算法 | 第20-21页 |
| 2.1.3 本文查询算法 | 第21-22页 |
| 2.2 情感分析 | 第22-25页 |
| 2.2.1 特征选择 | 第23-24页 |
| 2.2.2 文本向量化 | 第24-25页 |
| 3 数据采集与预处理 | 第25-34页 |
| 3.1 旅游UGC数据 | 第25页 |
| 3.2 马蜂窝爬虫系统 | 第25-27页 |
| 3.2.1 爬虫系统框架 | 第25-26页 |
| 3.2.2 爬虫系统实现 | 第26-27页 |
| 3.3 微博爬虫系统 | 第27-29页 |
| 3.4 旅游数据预处理 | 第29-33页 |
| 3.4.1 地点信息增强技术 | 第29-30页 |
| 3.4.2 多源旅游数据集成技术 | 第30-32页 |
| 3.4.3 数据描述 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 旅游数据分析 | 第34-56页 |
| 4.1 一种有效的Top-k查询算法 | 第34-39页 |
| 4.1.1 有序化处理 | 第34-35页 |
| 4.1.2 粗查找阶段 | 第35-39页 |
| 4.1.3 细查找阶段 | 第39页 |
| 4.2 理论证明与分析 | 第39-41页 |
| 4.3 实验验证与分析 | 第41-47页 |
| 4.3.1 实验参数设置 | 第42页 |
| 4.3.2 查询过程示例分析 | 第42-46页 |
| 4.3.3 测试数据结果分析 | 第46-47页 |
| 4.4 情感挖掘 | 第47-53页 |
| 4.5 关键词或词组提取 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 5 旅游网络舆情可视化研究 | 第56-73页 |
| 5.1 引言 | 第56页 |
| 5.2 研究现状 | 第56-58页 |
| 5.2.1 旅游网络舆情 | 第56-57页 |
| 5.2.2 基于社交媒体的可视化 | 第57页 |
| 5.2.3 旅游数据可视化 | 第57-58页 |
| 5.3 基于多层MVC的可视化处理框架 | 第58-59页 |
| 5.4 可视化技术 | 第59-66页 |
| 5.4.1 标签云 | 第59-61页 |
| 5.4.2 嵌套图 | 第61-62页 |
| 5.4.3 改进力引导图 | 第62-64页 |
| 5.4.4 自适应调整技术 | 第64-66页 |
| 5.5 实验验证与分析 | 第66-71页 |
| 5.5.1 游客地域分布 | 第67-69页 |
| 5.5.2 情感分析 | 第69页 |
| 5.5.3 社交网络分析 | 第69-71页 |
| 5.5.4 过滤系统分析 | 第71页 |
| 5.6 本章小结 | 第71-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 未来工作展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 附录 | 第82-83页 |
| 攻硕期间发表的学术论文及研究成果 | 第83页 |
