基于概念图的舆情预警系统的研究与设计
摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 研究的背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 研究内容及方法 | 第12-14页 |
1.4 论文结构安排 | 第14-16页 |
2 概念图的知识表示 | 第16-28页 |
2.1 知识表示方法 | 第16-18页 |
2.2 概念图知识表示 | 第18-21页 |
2.2.1 概念图 | 第18-19页 |
2.2.2 概念图表示形式 | 第19页 |
2.2.3 概念图的存储结构 | 第19-20页 |
2.2.4 概念图匹配方法 | 第20-21页 |
2.3 模糊概念图的知识表示 | 第21-23页 |
2.3.1 模糊概念图表示 | 第21-22页 |
2.3.2 模糊概念图的存储结构 | 第22-23页 |
2.3.3 模糊概念图匹配方法 | 第23页 |
2.4 倾向性概念图知识表示 | 第23-27页 |
2.4.1 倾向性概念图表示 | 第23-25页 |
2.4.2 在概念图中赋倾向性值 | 第25-26页 |
2.4.3 倾向性概念图的存储结构 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
3 语用学中的关联推理 | 第28-42页 |
3.1 语用学与语用推理 | 第28-29页 |
3.1.1 语用学 | 第28页 |
3.1.2 语用推理 | 第28-29页 |
3.2 语境和认知语境库 | 第29-30页 |
3.2.1 语境 | 第29-30页 |
3.2.2 认知语境知识库 | 第30页 |
3.3 关联理论 | 第30-33页 |
3.3.1 关联期待 | 第31页 |
3.3.2 语境搜索 | 第31-32页 |
3.3.3 对话模式分类 | 第32页 |
3.3.4 关联推理模式 | 第32-33页 |
3.4 基于模糊概念图的关联推理 | 第33-37页 |
3.4.1 关联推理的思想 | 第33页 |
3.4.2 关联推理的算法设计 | 第33-36页 |
3.4.3 RIAFM算法运行实例 | 第36-37页 |
3.5 实验结果与分析 | 第37-40页 |
3.6 本章小结 | 第40-42页 |
4 公司舆情分析中态度值计算 | 第42-52页 |
4.1 传统舆情分析算法的缺点 | 第42页 |
4.2 基于倾向性概念图的态度值计算算法 | 第42-47页 |
4.2.1 态度值定义 | 第42-43页 |
4.2.2 态度值计算的思想 | 第43页 |
4.2.3 CAAT算法设计 | 第43-46页 |
4.2.4 CAAT算法运行实例 | 第46-47页 |
4.3 实验与结果分析 | 第47-49页 |
4.4 本章小结 | 第49-52页 |
5 基于概念图的公司舆情预警系统原型设计 | 第52-70页 |
5.1 系统整体设计 | 第52-57页 |
5.1.1 系统概述 | 第52-53页 |
5.1.2 系统模块划分 | 第53-54页 |
5.1.3 数据库设计 | 第54-57页 |
5.2 语料采集模块 | 第57-58页 |
5.3 预处理模块 | 第58-64页 |
5.3.1 内容提取 | 第59-60页 |
5.3.2 中文分词 | 第60-62页 |
5.3.3 句法分析 | 第62-64页 |
5.4 关联推理模块 | 第64-67页 |
5.4.1 概念图生成子模块 | 第64-67页 |
5.4.2 关联推理子模块 | 第67页 |
5.5 态度值计算模块 | 第67页 |
5.6 公司舆情展示模块 | 第67-68页 |
5.7 公司舆情预警模块 | 第68页 |
5.8 本章小结 | 第68-70页 |
6 实验与测试 | 第70-78页 |
6.1 测试环境 | 第70页 |
6.2 测试过程 | 第70-76页 |
6.2.1 语料采集 | 第70-71页 |
6.2.2 预处理 | 第71-72页 |
6.2.3 关联推理 | 第72-73页 |
6.2.4 态度值计算 | 第73页 |
6.2.5 舆情展示 | 第73-74页 |
6.2.6 舆情预警 | 第74-76页 |
6.3 本章小结 | 第76-78页 |
7 总结与展望 | 第78-80页 |
7.1 工作总结 | 第78-79页 |
7.2 工作展望 | 第79-80页 |
参考文献 | 第80-84页 |
攻读硕士学位期间的研究工作 | 第84-86页 |
致谢 | 第86页 |