互联网舆情监测系统中的热点发现及分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第2章 相关理论技术概述 | 第13-23页 |
| 2.1 数据挖掘技术 | 第13-17页 |
| 2.1.1 聚类算法 | 第13-15页 |
| 2.1.2 文本挖掘技术 | 第15-17页 |
| 2.2 文本信息获取技术 | 第17-19页 |
| 2.2.1 网络爬虫技术 | 第17-19页 |
| 2.2.2 API平台数据获取技术 | 第19页 |
| 2.3 Hadoop平台介绍 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 互联网海量舆情信息采集 | 第23-35页 |
| 3.1 互联网舆情数据特点 | 第23页 |
| 3.2 基于树结构的舆情内容抓取 | 第23-30页 |
| 3.2.1 新浪微博站点内容结构分析 | 第24-26页 |
| 3.2.2 基于树结构的舆情正文提取方法 | 第26-30页 |
| 3.3 网络爬虫增量式的数据采集 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 互联网舆情热点话题发现与分析 | 第35-47页 |
| 4.1 舆情热点发现模型 | 第35-36页 |
| 4.2 数据预处理 | 第36-38页 |
| 4.2.1 短文本数据特点 | 第36页 |
| 4.2.2 短文本预处理 | 第36-38页 |
| 4.3 舆情数据分析 | 第38-45页 |
| 4.3.1 热点话题聚类 | 第38-43页 |
| 4.3.2 热度评估 | 第43-44页 |
| 4.3.3 舆情分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 网络舆情热点发现实验分析 | 第47-57页 |
| 5.1 Hadoop平台部署 | 第47-48页 |
| 5.1.1 集群系统结构 | 第47页 |
| 5.1.2 环境配置 | 第47-48页 |
| 5.2 基于增量式网络爬虫的正文抽取实验 | 第48-50页 |
| 5.2.1 正文抽取算法验证 | 第49-50页 |
| 5.2.2 增量式爬虫算法实现 | 第50页 |
| 5.3 中文分词算法实验 | 第50-52页 |
| 5.4 运行效果 | 第52-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
