首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

微博信息采集与分析系统的设计与实现

摘要第9-10页
ABSTRACT第10页
第一章 绪论第11-17页
    1.1 论文背景及意义第11-12页
        1.1.1 研究背景第11页
        1.1.2 研究意义第11-12页
    1.2 相关技术现状第12-15页
        1.2.1 社交媒体发展概述第12页
        1.2.2 微博信息采集技术研究现状第12-13页
        1.2.3 微博情感分析研究现状第13-14页
        1.2.4 数据可视化分析研究现状第14-15页
    1.3 本文主要研究内容第15页
    1.4 本文组织结构第15-17页
第二章 相关技术与方法概述第17-25页
    2.1 微博信息采集技术第17-19页
        2.1.1 通过微博API采集第17-18页
        2.1.2 网络爬虫第18-19页
    2.2 情感分析第19-21页
        2.2.1 情感词典第20页
        2.2.2 文本预处理第20页
        2.2.3 情感要素抽取第20-21页
        2.2.4 情感分类第21页
    2.3 社交媒体可视化分析第21-24页
        2.3.1 可视化模型的构成第21页
        2.3.2 用户关系可视化第21-22页
        2.3.3 层级化的传播路径第22-23页
        2.3.4 情感信息统计分析第23-24页
    2.4 本章小结第24-25页
第三章 微博信息采集第25-34页
    3.1 动态页面抓取技术第25-29页
        3.1.1 动态页面数据获取第25-27页
        3.1.2 模拟登录第27-28页
        3.1.3 模拟点击自动导航第28-29页
    3.2 页面爬取策略第29-31页
        3.2.1 微博页面链接关系分析第29-30页
        3.2.2 页面爬取策略第30-31页
    3.3 数据抽取及持久化第31-33页
        3.3.1 数据抽取模板定制第31-32页
        3.3.2 数据持久化第32-33页
    3.4 本章小结第33-34页
第四章 微博情感分析第34-41页
    4.1 微博文本预处理第34-37页
        4.1.1 社交网络标签分析第34-35页
        4.1.2 微博文本信息抽取与过滤第35-36页
        4.1.3 微博文本分词第36-37页
    4.2 情感词典第37-39页
        4.2.1 微博领域情感词典第37-38页
        4.2.2 表情符号处理第38-39页
    4.3 情感分类第39-40页
        4.3.1 微博情感词抽取第39页
        4.3.2 情感倾向计算第39-40页
    4.4 本章小结第40-41页
第五章 微博数据可视化分析第41-46页
    5.1 情感倾向可视化分析第41-42页
        5.1.1 情感倾向可视化设计思路第41-42页
        5.1.2 情感倾向可视化分析实现第42页
    5.2 转发时间线可视化分析第42-43页
        5.2.1 微博转发数量特征分析第42-43页
        5.2.2 微博转发时间线可视化第43页
    5.3 微博传播路径可视化分析第43-45页
        5.3.1 可视化分析工具第43-44页
        5.3.2 微博传播路径第44-45页
    5.4 本章小结第45-46页
第六章 系统实现及效果展示第46-63页
    6.1 系统需求分析第46-48页
        6.1.1 系统描述第46页
        6.1.2 角色描述第46页
        6.1.3 用例描述第46-48页
    6.2 系统总体框架第48页
    6.3 数据库设计第48-51页
        6.3.1 数据库概念模型第48-49页
        6.3.2 数据库逻辑模型第49-51页
    6.4 系统设计与实现第51-57页
        6.4.1 系统功能模块设计与实现第51-57页
    6.5 数据抓取实验第57-59页
        6.5.1 抓取效果展示及分析第57-58页
        6.5.2 抓取性能实验及分析第58-59页
    6.6 微博传播分析实验第59-62页
        6.6.1 微博传播路径可视化分析第59-60页
        6.6.2 微博时间维传播可视化分析第60-61页
        6.6.3 微博评论情感倾向可视化分析第61-62页
    6.7 本章小结第62-63页
第七章 总结与展望第63-65页
    7.1 论文工作总结第63页
    7.2 未来工作展望第63-65页
致谢第65-66页
参考文献第66-70页
作者在学期间取得的学术成果第70页

论文共70页,点击 下载论文
上一篇:戈壁背景下的图像配准与拼接技术研究
下一篇:大规模分布式指纹识别系统关键技术研究