| 论文摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 概述 | 第11-27页 |
| ·研究的背景、目的和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究的目的和意义 | 第12-13页 |
| ·国内外关于微博的研究现状 | 第13-18页 |
| ·国内关于微博的研究现状 | 第13-17页 |
| ·国外关于微博的研究综述 | 第17-18页 |
| ·新浪微博介绍 | 第18-23页 |
| ·新浪微博及其发展现状 | 第18-20页 |
| ·新浪微博的功能和特点 | 第20-22页 |
| ·新浪微博对网络舆情生成和传播的影响 | 第22-23页 |
| ·研究框架、方法及创新点 | 第23-27页 |
| ·研究框架 | 第23-24页 |
| ·研究方法 | 第24-25页 |
| ·创新之处 | 第25-27页 |
| 2. 研究模型——基于信号分析方法的模型 | 第27-36页 |
| ·国内外关于信号分析的研究现状 | 第27-30页 |
| ·国外的研究现状 | 第27-28页 |
| ·国内的研究现状 | 第28-30页 |
| ·信号分析相关的概念体系 | 第30-33页 |
| ·信号分析方法 | 第30页 |
| ·信号分析的应用范围与作用 | 第30-32页 |
| ·信号分析的特点 | 第32页 |
| ·信号分析的应用模型 | 第32-33页 |
| ·新浪微博网络舆情分析的信号分析模型 | 第33-36页 |
| ·信号分析应用于新浪微博网络舆情分析的可行性 | 第33-35页 |
| ·基于信号分析方法的新浪微博网络舆情分析模型 | 第35-36页 |
| 3 研究设计——新浪微博的网络舆情分析体系构建与实验设计 | 第36-54页 |
| ·分析体系扩展模型 | 第36-41页 |
| ·信号分析方法在舆情分析技术中的映射模型 | 第36-37页 |
| ·信号搜集阶段模型分解 | 第37-38页 |
| ·信号辨识阶段模型分解 | 第38-39页 |
| ·信号解读阶段模型分解 | 第39-41页 |
| ·相关工具和方法简介 | 第41-44页 |
| ·LAMP开发环境简介 | 第41-42页 |
| ·Sphinx搜索引擎简介 | 第42-44页 |
| ·实验方案设计 | 第44-54页 |
| ·实验基本步骤和系统设计 | 第45-49页 |
| ·实验所需数据库设计 | 第49-52页 |
| ·实验结论预设 | 第52-54页 |
| 4 实证研究——对新浪微博的网络舆情分析实验 | 第54-84页 |
| ·信号搜集——网络数据抓取 | 第54-60页 |
| ·主题确定及相关关键词选取 | 第54-55页 |
| ·新浪微博网页内容分析 | 第55-56页 |
| ·数据抓取算法及抓取结果 | 第56-60页 |
| ·信号辨识——抓取数据的分析 | 第60-76页 |
| ·文本分词与向量化 | 第60-65页 |
| ·文本聚类实现过程 | 第65-70页 |
| ·信号辨识实验结论 | 第70-76页 |
| ·信号解读——舆情倾向性的计算及得出结论 | 第76-84页 |
| ·舆情立场判别词库与方法 | 第76-77页 |
| ·倾向性分析算法与实现过程 | 第77-79页 |
| ·信号解读实验结论 | 第79-84页 |
| 5 结论与展望 | 第84-89页 |
| ·新浪微博网络舆情的特点 | 第84-86页 |
| ·从实验中得到的新浪微博网络舆情的三大特点 | 第84-85页 |
| ·这些特点的指导意义与对策 | 第85-86页 |
| ·本文研究不足与展望 | 第86-89页 |
| ·本文研究小结与不足之处 | 第86-87页 |
| ·对未来研究的展望 | 第87-89页 |
| 参考文献 | 第89-94页 |
| 附录 | 第94-95页 |
| 致谢 | 第95页 |