| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题的研究背景 | 第8-10页 |
| 1.2 WEB2.0 信息传播和舆情分析介绍 | 第10-11页 |
| 1.2.1 Web2.0 信息传播介绍 | 第10页 |
| 1.2.2 Web2.0 舆情分析介绍 | 第10-11页 |
| 1.3 WEB2.0 信息传播与舆情分析技术研究现状 | 第11-13页 |
| 1.3.1 国内外对 Web2.0 信息传播技术的研究 | 第11-13页 |
| 1.3.2 国内外对 Web2.0 舆情分析技术的研究 | 第13页 |
| 1.4 课题研究内容及意义 | 第13-15页 |
| 1.5 内容组织结构 | 第15-17页 |
| 第2章 新浪微博数据获取研究 | 第17-31页 |
| 2.1 新浪微博媒体的数据介绍 | 第17-18页 |
| 2.2 新浪微博媒体的数据获取过程 | 第18-20页 |
| 2.2.1 用户信息数据获取 | 第19-20页 |
| 2.2.2 微博信息数据获取 | 第20页 |
| 2.3 新浪微博媒体的数据获取方式 | 第20-24页 |
| 2.3.1 利用新浪微博 API 获得数据 | 第20-22页 |
| 2.3.2 利用新浪微博网页爬虫获取数据 | 第22-24页 |
| 2.3.3 新浪微博 API 与网页爬虫的比较 | 第24页 |
| 2.4 数据去重策略 | 第24-26页 |
| 2.5 爬虫爬行策略及算法 | 第26-28页 |
| 2.5.1 爬行策略 | 第26-28页 |
| 2.5.2 爬行算法 | 第28页 |
| 2.5.3 API 限制解决方案 | 第28页 |
| 2.6 实验结果与分析 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 新浪微博媒体中的信息传播分析 | 第31-46页 |
| 3.1 信息传播树介绍及生成 | 第31-34页 |
| 3.1.1 信息传播树介绍 | 第31页 |
| 3.1.2 新浪微博信息传播树生成 | 第31-34页 |
| 3.2 信息传播树结构分析 | 第34-39页 |
| 3.2.1 信息传播树关键节点分析 | 第35-37页 |
| 3.2.2 信息传播树范围速度分析 | 第37-38页 |
| 3.2.3 信息传播树路径还原分析 | 第38-39页 |
| 3.3 信息传播树内容分析 | 第39-40页 |
| 3.3.1 信息传播树表征方式 | 第39-40页 |
| 3.3.2 信息传播树内容重构 | 第40页 |
| 3.4 信息传播树人群分析 | 第40-41页 |
| 3.4.1 人物贡献度排名 | 第41页 |
| 3.4.2 人物活跃度排名 | 第41页 |
| 3.4.3 人群网络分析 | 第41页 |
| 3.5 实验结果与分析 | 第41-44页 |
| 3.5.1 单棵传播树统计分析 | 第41-42页 |
| 3.5.2 多棵传播树统计分析 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 信息传播在舆情分析中的应用 | 第46-59页 |
| 4.1 WEB2.0 舆情分析的介绍 | 第46-48页 |
| 4.1.1 Web2.0 舆情分析技术介绍 | 第46-47页 |
| 4.1.2 新浪微博舆情分析介绍 | 第47-48页 |
| 4.2 新浪微博数据爬虫 | 第48-51页 |
| 4.2.1 全网人物爬虫 | 第48-49页 |
| 4.2.2 特定人群网络更新 | 第49-50页 |
| 4.2.3 微博信息数据爬虫 | 第50-51页 |
| 4.3 新浪微博信息传播分析与事件统计分析 | 第51-56页 |
| 4.3.1 微博事件分析 | 第51-54页 |
| 4.3.2 微博事件统计分析 | 第54-56页 |
| 4.4 新浪微博舆情分析系统效率 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
