基于社交网络的舆情信息挖掘方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 课题研究的背景和意义 | 第14-16页 |
| 1.2 国内外研究现状及评述 | 第16-20页 |
| 1.2.1 社交网络受众的偏好研究 | 第17-18页 |
| 1.2.2 社交网络中意见领袖发现方法的研究 | 第18-19页 |
| 1.2.3 社交网络群体意见及社群的发现 | 第19-20页 |
| 1.2.4 研究现状的评述 | 第20页 |
| 1.3 研究内容与结构 | 第20-26页 |
| 1.3.1 研究内容 | 第20-23页 |
| 1.3.2 论文结构 | 第23-26页 |
| 第2章 社交网络舆情事件发现理论基础 | 第26-45页 |
| 2.1 概念界定 | 第26页 |
| 2.2 社交网络舆情群体的形成理论 | 第26-28页 |
| 2.2.1 群体的散群阶段 | 第26-27页 |
| 2.2.2 群体集群阶段 | 第27页 |
| 2.2.3 群体的准群体形成 | 第27页 |
| 2.2.4 舆论群体的产生 | 第27-28页 |
| 2.3 社交网络群体的领袖 | 第28-29页 |
| 2.4 社交网络受众管理 | 第29-31页 |
| 2.4.1 舆情的动力节点 | 第29-30页 |
| 2.4.2 受众偏好 | 第30-31页 |
| 2.5 社交网络舆情挖掘方法理论 | 第31-44页 |
| 2.5.1 文本挖掘 | 第33-36页 |
| 2.5.2 分类方法 | 第36-38页 |
| 2.5.3 聚类方法 | 第38-40页 |
| 2.5.4 复杂网络分析法 | 第40-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 社交网络舆情信息的搜索与抽取方法 | 第45-68页 |
| 3.1 社交网络舆情信息的搜索 | 第45-51页 |
| 3.1.1 社交网络舆情信息的搜索方式 | 第45-48页 |
| 3.1.2 社交网络个性化偏好的搜索方法 | 第48-49页 |
| 3.1.3 社交网络受众个性化行为的搜索模型 | 第49-51页 |
| 3.2 社交网络舆情信息的清洗 | 第51-53页 |
| 3.2.1 文本的前期处理工作 | 第51-52页 |
| 3.2.2 文本预处理 | 第52-53页 |
| 3.3 社交网络舆情信息的存储 | 第53-56页 |
| 3.3.1 体系结构 | 第53-54页 |
| 3.3.2 处理流程 | 第54-55页 |
| 3.3.3 组织方式 | 第55-56页 |
| 3.4 社交网络舆情信息抽取 | 第56-60页 |
| 3.4.1 信息抽取 | 第56-57页 |
| 3.4.2 抽取过程 | 第57-60页 |
| 3.5 实验及分析 | 第60-66页 |
| 3.5.1 数据分析 | 第60-61页 |
| 3.5.2 获取网页评论的分析 | 第61-64页 |
| 3.5.3 源自新闻与微博评论文本分析 | 第64-65页 |
| 3.5.4 个性化搜索实验结果 | 第65-66页 |
| 3.6 本章小结 | 第66-68页 |
| 第4章 网络舆情群体受众偏好建模和挖掘研究 | 第68-81页 |
| 4.1 网络舆情受众群体偏好的发现 | 第68-72页 |
| 4.1.1 网络舆情受众偏好模型表示 | 第68-70页 |
| 4.1.2 受众偏好模型学习 | 第70-71页 |
| 4.1.3 受众偏好模型更新 | 第71-72页 |
| 4.2 受众偏好分类算法 | 第72-74页 |
| 4.3 群体受众偏好的更新方法 | 第74-78页 |
| 4.3.1 受众偏好的衰减 | 第75-76页 |
| 4.3.2 受众偏好的漂移 | 第76-78页 |
| 4.4 实验结果与分析 | 第78-79页 |
| 4.5 本章小结 | 第79-81页 |
| 第5章 社交网络中意见领袖发现方法的研究 | 第81-107页 |
| 5.1 发现意见领袖的关键点 | 第81-85页 |
| 5.1.1 重要性 | 第81-82页 |
| 5.1.2 发现意见领袖的过程 | 第82-83页 |
| 5.1.3 技术路线的特点 | 第83-85页 |
| 5.2 意见领袖初步圈定模型 | 第85-91页 |
| 5.2.1 意见领袖网络关系的构建 | 第85-86页 |
| 5.2.2 倾向分析及关系方向性的发现 | 第86页 |
| 5.2.3 文本相似性构建受众关系 | 第86-91页 |
| 5.3 挖掘关系网络中的意见领袖 | 第91-94页 |
| 5.3.1 独立主题文本网络 | 第91-92页 |
| 5.3.2 复杂主题文本网络 | 第92-94页 |
| 5.4 方法验证及分析 | 第94-105页 |
| 5.4.1 方法设计 | 第94-95页 |
| 5.4.2 验证结果及分析 | 第95-105页 |
| 5.5 本章小结 | 第105-107页 |
| 第6章 社交网络群体意见及社群的发现和实验研究 | 第107-140页 |
| 6.1 群体意见和社群的概念描述 | 第107-108页 |
| 6.2 网络舆情群体意见发现模型 | 第108页 |
| 6.3 群体意见的提取方法 | 第108-112页 |
| 6.4 舆情社群挖掘方法及其实验研究 | 第112-116页 |
| 6.5 基于交叉熵的舆情社群发现方法 | 第116-128页 |
| 6.5.1 交叉熵方法 | 第121-124页 |
| 6.5.2 实验仿真与比较 | 第124-127页 |
| 6.5.3 实验结果分析 | 第127-128页 |
| 6.6 舆情社群发现的实验研究 | 第128-138页 |
| 6.6.1 数据获取和实验研究 | 第128页 |
| 6.6.2 舆情社群发现实验结果分析 | 第128-138页 |
| 6.7 本章小结 | 第138-140页 |
| 结论 | 第140-142页 |
| 参考文献 | 第142-156页 |
| 攻读博士学位期间发表的论文及其它成果 | 第156-158页 |
| 致谢 | 第158-159页 |
| 个人简历 | 第159页 |
