微博舆情可视化系统的研究与实现
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 论文研究背景及意义 | 第11-13页 |
1.1.1 微博的发展现状 | 第11页 |
1.1.2 微博的特点 | 第11-12页 |
1.1.3 微博舆情分析的意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 微博特征提取技术 | 第13-14页 |
1.2.2 微博聚类技术 | 第14页 |
1.2.3 微博情感分析技术 | 第14-15页 |
1.2.4 微博舆情可视化技术 | 第15页 |
1.3 本文主要研究内容与组织结构 | 第15-17页 |
第二章 相关理论与技术 | 第17-25页 |
2.1 微博文本预处理技术 | 第17-19页 |
2.1.1 中文文本分词 | 第17-18页 |
2.1.2 文本去停用词 | 第18页 |
2.1.3 文本表示模型 | 第18-19页 |
2.2 微博文本聚类算法 | 第19-21页 |
2.2.1 Single-Pass聚类算法 | 第20页 |
2.2.2 基于划分的聚类算法 | 第20页 |
2.2.3 基于层次的聚类算法 | 第20-21页 |
2.2.4 基于密度的聚类算法 | 第21页 |
2.3 微博情感分析技术 | 第21-22页 |
2.3.1 基于语义词典的情感分析技术 | 第21-22页 |
2.3.2 基于机器学习的情感分析技术 | 第22页 |
2.4 可视化技术 | 第22-23页 |
2.5 知网(HowNet) | 第23-24页 |
2.5.1 知网(HowNet)的结构 | 第23页 |
2.5.2 知网(HowNet)的知识描述语言 | 第23-24页 |
2.6 本章小结 | 第24-25页 |
第三章 微博舆情可视化系统的研究与分析 | 第25-29页 |
3.1 领域分析 | 第25页 |
3.2 系统分析 | 第25-27页 |
3.2.1 工作流程角度 | 第26-27页 |
3.2.2 数据需求角度 | 第27页 |
3.3 应用架构 | 第27-28页 |
3.4 本章小结 | 第28-29页 |
第四章 微博舆情分析关键技术研究 | 第29-39页 |
4.1 微博文本预处理 | 第29-31页 |
4.1.1 微博文本分词 | 第29-30页 |
4.1.2 去停用词 | 第30-31页 |
4.1.3 文本表示 | 第31页 |
4.2 微博热点话题获取 | 第31-34页 |
4.2.1 词汇相似度计算 | 第31-33页 |
4.2.2 微博文本相似度计算 | 第33页 |
4.2.3 微博热点话题获取 | 第33-34页 |
4.3 微博热点话题情感值计算 | 第34-36页 |
4.3.1 情感词汇的情感值计算 | 第35页 |
4.3.2 微博文本的情感值计算 | 第35-36页 |
4.3.3 微博热点话题的情感值计算 | 第36页 |
4.4 微博热点话题相关性分析 | 第36-37页 |
4.4.1 用户发布群体的相关性 | 第36-37页 |
4.4.2 发生时间的相关性 | 第37页 |
4.4.3 关联地点的相关性 | 第37页 |
4.5 本章小结 | 第37-39页 |
第五章 基于D3.js的微博舆情可视化研究 | 第39-45页 |
5.1 D3.js简介 | 第39页 |
5.2 力导向图 | 第39-40页 |
5.3 数据准备 | 第40页 |
5.4 可视化实现 | 第40-44页 |
5.4.1 数据写入 | 第40-41页 |
5.4.2 布局 | 第41-42页 |
5.4.3 绘图 | 第42-43页 |
5.4.4 结果 | 第43-44页 |
5.5 本章小结 | 第44-45页 |
第六章 微博舆情可视化系统的设计与实现 | 第45-60页 |
6.1 整体架构设计 | 第45-46页 |
6.2 开发环境 | 第46-47页 |
6.3 关键功能实现 | 第47-56页 |
6.3.1 微博文本预处理模块 | 第47-49页 |
6.3.2 微博舆情热点获取模块 | 第49-51页 |
6.3.3 微博情感分析模块 | 第51-53页 |
6.3.4 微博关联分析模块 | 第53-54页 |
6.3.5 舆情可视化模块 | 第54-56页 |
6.4 原型系统实现 | 第56-59页 |
6.5 本章小结 | 第59-60页 |
第七章 总结与展望 | 第60-62页 |
7.1 工作总结 | 第60页 |
7.2 工作展望 | 第60-62页 |
参考文献 | 第62-65页 |
致谢 | 第65-66页 |
发表的学术论文及科研成果 | 第66页 |