| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 观点挖掘与网络舆情分析 | 第14-18页 |
| 1.1.1 网络舆情的概念与特点 | 第14-17页 |
| 1.1.2 观点挖掘的概念与特点 | 第17页 |
| 1.1.3 观点挖掘与网络舆情分析 | 第17-18页 |
| 1.2 面向网络舆情分析的观点挖掘 | 第18-20页 |
| 1.2.1 面向网络舆情分析的观点挖掘的意义 | 第18-19页 |
| 1.2.2 面向网络舆情分析的观点挖掘面临的挑战 | 第19-20页 |
| 1.3 面向网络舆情分析的观点挖掘关键技术及本文研究内容 | 第20-25页 |
| 1.3.1 网络舆情的数据资源 | 第20-22页 |
| 1.3.2 面向网络舆情分析的观点挖掘关键技术 | 第22-24页 |
| 1.3.3 本文研究的主要内容 | 第24-25页 |
| 1.4 本文的组织结构 | 第25-26页 |
| 第2章 观点挖掘研究现状 | 第26-34页 |
| 2.1 观点倾向性分析 | 第26-29页 |
| 2.1.1 文档层次观点倾向性分析 | 第26页 |
| 2.1.2 句子层次观点倾向性分析 | 第26-27页 |
| 2.1.3 词与特征层次观点倾向性分析 | 第27-29页 |
| 2.2 观点摘要与跟踪 | 第29页 |
| 2.3 观点检索 | 第29-30页 |
| 2.4 中文观点挖掘研究 | 第30-31页 |
| 2.5 观点挖掘应用系统 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于互增强图模型的博客空间网络舆情提取与汇总 | 第34-58页 |
| 3.1 问题的提出 | 第34-36页 |
| 3.2 相关工作 | 第36-38页 |
| 3.2.1 Web搜索结果聚类 | 第36-37页 |
| 3.2.2 观点检索和摘要 | 第37-38页 |
| 3.3 博客搜索结果分析 | 第38-41页 |
| 3.4 基于WordNet的博客搜索结果情感表示模型 | 第41-44页 |
| 3.5 观点聚类分析 | 第44-47页 |
| 3.5.1 情感相似度计算 | 第45页 |
| 3.5.2 面向博客搜索结果的谱聚类算法 | 第45-47页 |
| 3.6 观点排序与关键词提取 | 第47-50页 |
| 3.7 实验测试与分析 | 第50-57页 |
| 3.7.1 实验设置 | 第50-51页 |
| 3.7.2 评价准则 | 第51-52页 |
| 3.7.3 实验结果 | 第52-57页 |
| 3.8 本章小结 | 第57-58页 |
| 第4章 基于增强情感向量的网络短文本情感相似性分析 | 第58-82页 |
| 4.1 问题的提出 | 第58-60页 |
| 4.2 相关工作 | 第60-63页 |
| 4.2.1 情感分析 | 第60-61页 |
| 4.2.2 短文本相似性计算 | 第61-63页 |
| 4.3 短文本情感特征分析 | 第63-68页 |
| 4.3.1 短文本中的情感 | 第63-64页 |
| 4.3.2 博客情感语料Ren_CECps | 第64-68页 |
| 4.4 基于Ren_CECps语料的潜在情感状态概率分布学习 | 第68-73页 |
| 4.4.1 方法概述 | 第68-69页 |
| 4.4.2 特征选择 | 第69-70页 |
| 4.4.3 基于情感词向量的短文本表示方法 | 第70-71页 |
| 4.4.4 基于Ren_CECps的潜在情感状态概率分布学习 | 第71-73页 |
| 4.5 基于增强情感向量的短文本情感相似性度量 | 第73-75页 |
| 4.5.1 短文本的原始文本向量的表示方法 | 第73-74页 |
| 4.5.2 基于互增强方式的短文本增强情感向量表示方法 | 第74-75页 |
| 4.6 实验测试与分析 | 第75-79页 |
| 4.6.1 评测数据集 | 第75-76页 |
| 4.6.2 评测方法 | 第76-77页 |
| 4.6.3 实验结果 | 第77-79页 |
| 4.7 本章小结 | 第79-82页 |
| 第5章 面向观点的中文长句子压缩 | 第82-98页 |
| 5.1 问题的提出 | 第82-86页 |
| 5.2 相关工作 | 第86-88页 |
| 5.2.1 观点相关信息提取 | 第86-87页 |
| 5.2.2 句子压缩 | 第87-88页 |
| 5.3 面向观点的中文长句子压缩算法 | 第88-93页 |
| 5.3.1 中文长句子的特点 | 第88-89页 |
| 5.3.2 问题的定义 | 第89-90页 |
| 5.3.3 面向观点句子压缩评分函数 | 第90-91页 |
| 5.3.4 压缩的生成和选择 | 第91-93页 |
| 5.4 实验测试与分析 | 第93-96页 |
| 5.4.1 实验设置 | 第93-94页 |
| 5.4.2 评测方法 | 第94-95页 |
| 5.4.3 实验结果 | 第95-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第6章 基于虚拟观点社群的用户个性化推荐 | 第98-116页 |
| 6.1 问题的提出 | 第98-100页 |
| 6.2 相关工作 | 第100-102页 |
| 6.3 观点社群发现 | 第102-108页 |
| 6.3.1 问题的定义 | 第102-104页 |
| 6.3.2 用户标签相似性测量 | 第104-106页 |
| 6.3.3 观点社群发现 | 第106-108页 |
| 6.4 基于观点社群的用户个性化推荐 | 第108-109页 |
| 6.4.1 标签的推荐 | 第108页 |
| 6.4.2 资源的推荐 | 第108-109页 |
| 6.4.3 朋友的推荐 | 第109页 |
| 6.5 实验测试与分析 | 第109-114页 |
| 6.5.1 实验数据集 | 第109-111页 |
| 6.5.2 评测方法 | 第111页 |
| 6.5.3 实验结果 | 第111-114页 |
| 6.6 本章小结 | 第114-116页 |
| 第7章 POSearcher：一种面向网络舆情分析搜索引擎的设计与实现 | 第116-128页 |
| 7.1 引言 | 第116-117页 |
| 7.2 传统的搜索引擎系统 | 第117-119页 |
| 7.3 POSearcher系统设计 | 第119-126页 |
| 7.3.1 系统的目标 | 第119-120页 |
| 7.3.2 体系结构 | 第120-121页 |
| 7.3.3 网络爬虫模块 | 第121-122页 |
| 7.3.4 网页解析模块 | 第122-123页 |
| 7.3.5 分句分词模块 | 第123-124页 |
| 7.3.6 索引模块 | 第124页 |
| 7.3.7 查询扩展模块 | 第124-125页 |
| 7.3.8 排序模块 | 第125-126页 |
| 7.4 系统实现 | 第126-127页 |
| 7.5 本章小结 | 第127-128页 |
| 第8章 结论 | 第128-132页 |
| 8.1 本文的主要贡献与结论 | 第128-129页 |
| 8.2 进一步的工作 | 第129-132页 |
| 参考文献 | 第132-144页 |
| 致谢 | 第144-146页 |
| 攻博期间发表的论文 | 第146-150页 |
| 攻博期间参与的项目 | 第150-152页 |
| 作者简介 | 第152页 |
