企业互联网负面信息抓取研究
| 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 研究挑战与意义 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 文献综述 | 第13-28页 |
| 2.1 引言 | 第13页 |
| 2.2 信息抓取研究现状 | 第13-15页 |
| 2.3 企业负面信息分析研究综述 | 第15-17页 |
| 2.3.1 基于语义规则的负面情感分析 | 第15-16页 |
| 2.3.2 基于机器学习的负面信息分析 | 第16-17页 |
| 2.4 中文简称生成国内外研究综述 | 第17-18页 |
| 2.5 负面采集技术研究 | 第18-25页 |
| 2.5.1 数据采集 | 第18-22页 |
| 2.5.2 情感分析 | 第22-25页 |
| 2.6 论文研究内容与创新 | 第25-27页 |
| 2.6.1 主要研究内容 | 第25-26页 |
| 2.6.2 主要创新点 | 第26-27页 |
| 2.7 小结 | 第27-28页 |
| 第3章 中文公司简称生成 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 特征选择与特征模板设计 | 第28-31页 |
| 3.2.1 底层特征选择标注与模板设计 | 第28-30页 |
| 3.2.2 高层特征选择标注与模板设计 | 第30-31页 |
| 3.3 融合双层条件随机场和规则推导简称生成模型 | 第31-36页 |
| 3.3.1 条件随机场 | 第31-32页 |
| 3.3.2 基于双层条件随机场的简称生成算法 | 第32-34页 |
| 3.3.3 基于规则的企业简称识别算法 | 第34-35页 |
| 3.3.4 简称生成框架 | 第35-36页 |
| 3.4 实验设计、结果与分析 | 第36-40页 |
| 3.4.1 实验数据及实验评价说明 | 第36页 |
| 3.4.2 封闭性测试 | 第36-38页 |
| 3.4.3 开放性实验测试 | 第38页 |
| 3.4.4 对比实验 | 第38-39页 |
| 3.4.5 实验总结 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 简称检测web爬虫设计 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 简称检测爬虫设计 | 第41-42页 |
| 4.2.1 体系结构 | 第41-42页 |
| 4.2.2 搜索策略 | 第42页 |
| 4.3 基于网络爬虫的简称效果校验 | 第42-45页 |
| 4.3.1 简称与全称在标题上的对比 | 第43页 |
| 4.3.2 简称在摘要中的评分 | 第43-44页 |
| 4.3.3 keyWord评分策略 | 第44页 |
| 4.3.4 综合评分 | 第44页 |
| 4.3.5 要素检验 | 第44-45页 |
| 4.4 实验结果 | 第45页 |
| 4 5 本章小结 | 第45-47页 |
| 第5章 企业负面信息采集系统设计与实现 | 第47-64页 |
| 5.1 企业负面信息需求分析 | 第47-49页 |
| 5.1.1 系统概述 | 第47页 |
| 5.1.2 系统需求分析 | 第47-49页 |
| 5.2 采集信息系统总架构设计 | 第49-52页 |
| 5.3 系统子模块设计 | 第52-60页 |
| 5.3.1 任务调度模块 | 第52-53页 |
| 5.3.2 负面信息采集模块 | 第53页 |
| 5.3.3 信息抽取预处理模块 | 第53-55页 |
| 5.3.4 信息精准分析模块 | 第55-59页 |
| 5.3.5 监控模块 | 第59-60页 |
| 5.4 系统可视化界面展示 | 第60-62页 |
| 5.4.1 企业列表页 | 第60-61页 |
| 5.4.2 企业风险概述页 | 第61页 |
| 5.4.3 企业负面舆情页 | 第61-62页 |
| 5.4.4 监控动态页面 | 第62页 |
| 5.5 小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 进一步工作与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 附录(攻读硕士学位期间参与的科研项目和研究成果) | 第72页 |
