微博内容的采集、分析及其可视化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 网络爬虫技术 | 第10-12页 |
| 1.2.2 微博数据分析 | 第12-13页 |
| 1.2.3 可视化技术 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文的章节安排 | 第16-18页 |
| 2 相关理论及模型 | 第18-25页 |
| 2.1 基于文本的情感倾向性分析 | 第18-21页 |
| 2.1.1 情感词 | 第18-20页 |
| 2.1.2 情感词汇本体 | 第20-21页 |
| 2.2 词向量模型 | 第21-22页 |
| 2.2.1 词向量 | 第21页 |
| 2.2.2 word2vec | 第21-22页 |
| 2.3 WEB数据可视化 | 第22-25页 |
| 2.3.1 位图和矢量图 | 第22-23页 |
| 2.3.2 VML、SVG和Canvas | 第23-25页 |
| 3 微博数据的采集 | 第25-33页 |
| 3.1 模拟登录 | 第25-29页 |
| 3.1.1 抓包分析法 | 第25-27页 |
| 3.1.2 模拟浏览器法 | 第27-28页 |
| 3.1.3 对比分析 | 第28-29页 |
| 3.2 微博数据的采集 | 第29-32页 |
| 3.2.1 用户个人信息的采集 | 第29页 |
| 3.2.2 用户微博信息的采集 | 第29-30页 |
| 3.2.3 用户关注列表的采集 | 第30-31页 |
| 3.2.4 单条微博转发评论的采集 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 基于用户微博数据的情感新词发现 | 第33-43页 |
| 4.1 新词发现 | 第33-37页 |
| 4.1.1 语料处理 | 第33-34页 |
| 4.1.2 统计量介绍 | 第34-35页 |
| 4.1.3 阈值选取 | 第35-36页 |
| 4.1.4 结果分析 | 第36-37页 |
| 4.2 新词的情感倾向性判别 | 第37-42页 |
| 4.2.1 权重递增法 | 第38页 |
| 4.2.2 SVM分类法 | 第38-39页 |
| 4.2.3 中心向量法 | 第39-40页 |
| 4.2.4 结果分析 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 基于微博转发数据的可视化研究 | 第43-51页 |
| 5.1 语料处理 | 第43-44页 |
| 5.2 传播网络的构建 | 第44-46页 |
| 5.3 可视化实现 | 第46-50页 |
| 5.3.1 有删除的节点选择 | 第46-48页 |
| 5.3.2 层次化的信息展示 | 第48-49页 |
| 5.3.3 交互式的功能设计 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
