| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 社交媒体营销现状 | 第9-10页 |
| 1.2.2 社交媒体数据挖掘研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 相关技术综述 | 第13-19页 |
| 2.1 大数据与HADOOP分布式计算框架 | 第13-15页 |
| 2.2 数据挖掘技术 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 系统需求分析与总体架构设计 | 第19-30页 |
| 3.1 系统业务实体与目标 | 第19-21页 |
| 3.2 系统业务需求分析 | 第21-25页 |
| 3.2.1 微博数据采集 | 第21-22页 |
| 3.2.2 微博文本预处理 | 第22-24页 |
| 3.2.3 营销业务数据分析 | 第24-25页 |
| 3.3 系统架构设计 | 第25-28页 |
| 3.3.1 系统逻辑架构设计 | 第25-27页 |
| 3.3.2 系统技术架构设计 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 4 系统详细设计与实现 | 第30-59页 |
| 4.1 数据获取与预处理 | 第31-39页 |
| 4.1.1 基于Scrapy的微博数据爬取 | 第31-36页 |
| 4.1.2 数据抽取与HDFS数据文件结构设计 | 第36-39页 |
| 4.2 文本分析与特征抽取 | 第39-47页 |
| 4.2.1 中文分词处理 | 第41-45页 |
| 4.2.2 微博主题特征抽取与向量空间模型建立 | 第45-47页 |
| 4.3 热点话题发现与用户情感分析 | 第47-58页 |
| 4.3.1 基于K-means与 Canopy的文本聚类与热点话题发现 | 第48-56页 |
| 4.3.2 用户情感分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 系统测试与验证 | 第59-67页 |
| 5.1 系统部署 | 第59-60页 |
| 5.2 系统功能验证 | 第60-65页 |
| 5.2.1 数据爬取 | 第60-61页 |
| 5.2.2 分词处理与主题抽取 | 第61-63页 |
| 5.2.3 热点话题与评价倾向性分析 | 第63-65页 |
| 5.3 性能验证 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-73页 |