网络舆情热点发现与事件跟踪技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 网络舆情分析相关技术研究现状 | 第14-24页 |
| ·引言 | 第14页 |
| ·国内外相关技术研究现状 | 第14-22页 |
| ·网络海量信息抓取技术 | 第14-15页 |
| ·自然语言处理技术 | 第15-16页 |
| ·基于Web的文本挖掘技术 | 第16-19页 |
| ·主题检测与跟踪(TDT)技术 | 第19-21页 |
| ·相关技术的发展趋势分析 | 第21-22页 |
| ·国内外相关系统研究成果 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 信息获取及信息预处理技术研究 | 第24-35页 |
| ·引言 | 第24页 |
| ·信息获取技术 | 第24-28页 |
| ·网络爬虫原理及功能 | 第24-25页 |
| ·现有网络爬虫的局限性 | 第25-26页 |
| ·改进后的爬行策略 | 第26-28页 |
| ·信息预处理技术 | 第28-33页 |
| ·新闻网页净化技术 | 第28-31页 |
| ·BBS网页净化技术 | 第31-33页 |
| ·中文分词技术 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第4章 热点发现与事件跟踪技术研究 | 第35-57页 |
| ·引言 | 第35页 |
| ·热点事件发现技术 | 第35-46页 |
| ·增量聚类思想的提出 | 第36页 |
| ·改进的Single-pass增量聚类算法 | 第36-42页 |
| ·实验及结果分析 | 第42-46页 |
| ·热点事件跟踪技术 | 第46-53页 |
| ·事件跟踪算法分析 | 第46-47页 |
| ·1NN增量分类算法 | 第47-49页 |
| ·实验及结果分析 | 第49-53页 |
| ·趋势分析与预警技术 | 第53-56页 |
| ·舆情影响因素分析及预警模型的提出 | 第53-54页 |
| ·基于ARMA模型的舆情预测 | 第54-55页 |
| ·多元线性回归预警模型 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 网络舆情分析系统的设计与实现 | 第57-65页 |
| ·系统总体设计和实现框架 | 第57-58页 |
| ·系统模块划分 | 第58-59页 |
| ·功能组件设计 | 第59-62页 |
| ·增量爬虫组件 | 第59页 |
| ·新闻与BBS预处理组件 | 第59-60页 |
| ·事件发现功能组件 | 第60-61页 |
| ·事件跟踪功能组件 | 第61页 |
| ·趋势分析与预警组件 | 第61-62页 |
| ·系统运行效果示例 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
