微博舆情分析技术研究及系统实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1. 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究目标和研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2. 相关技术综述 | 第16-22页 |
| 2.1 微博文本预处理 | 第16-18页 |
| 2.1.1 文本分词 | 第16页 |
| 2.1.2 去停用词 | 第16-17页 |
| 2.1.3 特征词选取和文本表示 | 第17-18页 |
| 2.2 LDA模型 | 第18-20页 |
| 2.3 文本相似度判断 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3. 微博数据预处理及主题学习 | 第22-30页 |
| 3.1 概述 | 第22页 |
| 3.2 微博数据预处理 | 第22-24页 |
| 3.2.1 微博文本整合 | 第22-23页 |
| 3.2.2 微博分词与特征词选取 | 第23-24页 |
| 3.3 基于LDA的微博主题学习 | 第24-25页 |
| 3.4 实验方案 | 第25-26页 |
| 3.4.1 实验数据 | 第25页 |
| 3.4.2 实验环境 | 第25页 |
| 3.4.3 实验步骤 | 第25-26页 |
| 3.4.4 实验参数 | 第26页 |
| 3.5 实验结果与分析 | 第26-29页 |
| 3.6 本章小结 | 第29-30页 |
| 4. 基于主题的微博敏感舆情分析 | 第30-38页 |
| 4.1 基于主题的微博敏感舆情分析建模 | 第30-32页 |
| 4.2 算法设计 | 第32-33页 |
| 4.3 实验设计 | 第33-34页 |
| 4.4 实验结果展示 | 第34-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5. 基于主题的微博热点舆情分析 | 第38-47页 |
| 5.1 基于主题的微博热点舆情分析方法 | 第38-40页 |
| 5.2 算法设计 | 第40页 |
| 5.3 实验设计 | 第40-41页 |
| 5.4 实验结果分析 | 第41-45页 |
| 5.5 本章小结 | 第45-47页 |
| 6. 基于主题的微博舆情分析系统 | 第47-55页 |
| 6.1 系统分析 | 第47-49页 |
| 6.1.1 处理流程 | 第47-48页 |
| 6.1.2 系统结构 | 第48-49页 |
| 6.2 设计方案 | 第49-51页 |
| 6.2.1 开发环境 | 第49页 |
| 6.2.2 微博文本预处理模块 | 第49-50页 |
| 6.2.3 主题建模模块 | 第50-51页 |
| 6.2.4 微博敏感舆情分析模块 | 第51页 |
| 6.3 实现结果展示 | 第51-54页 |
| 6.4 本章小结 | 第54-55页 |
| 7. 总结与展望 | 第55-56页 |
| 7.1 全文总结 | 第55页 |
| 7.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表的学术论文及研究成果 | 第61-62页 |
| 学位论文数据集表 | 第62-63页 |
