| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状和分析 | 第11-13页 |
| 1.3 本文研究目标和主要研究范围 | 第13-14页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 研究目标 | 第13-14页 |
| 1.3.3 主要工作和创新点 | 第14页 |
| 1.4 本文的内容与组织架构 | 第14-16页 |
| 第二章 相关理论和技术的研究与综述 | 第16-23页 |
| 2.1 网络爬虫技术 | 第16-17页 |
| 2.2 中文自然语言处理技术 | 第17-18页 |
| 2.3 聚类算法概述 | 第18-20页 |
| 2.4 Hadoop云平台 | 第20-21页 |
| 2.4.1 Map-Reduce计算框架 | 第20-21页 |
| 2.4.2 HBase数据库 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 海量互联网舆情信息的采集 | 第23-35页 |
| 3.1 新闻与博客报道正文信息的获取方法 | 第23-29页 |
| 3.1.1 新闻与博客站点网页内容结构分析 | 第23-25页 |
| 3.1.2 基于内容分布和DOM树结构的网页正文抽取算法 | 第25-29页 |
| 3.2 基于分布式框架的通用网络爬虫 | 第29-34页 |
| 3.2.1 通用的增量爬虫设计 | 第29-31页 |
| 3.2.2 基于M/S框架的分布式爬虫设计 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于大数据的热点话题发现与追踪 | 第35-60页 |
| 4.1 热点话题发现与追踪算法 | 第35-50页 |
| 4.1.1 基于ITF-IDF的互联网报道和话题建模 | 第35-41页 |
| 4.1.2 基于NE-VSM模型的相似度计算 | 第41-43页 |
| 4.1.3 基于话题能量模型的话题热度计算 | 第43-44页 |
| 4.1.4 基于朴素贝叶斯划分的三层聚类算法 | 第44-50页 |
| 4.2 基于Hadoop平台的话题聚类算法实现 | 第50-59页 |
| 4.2.1 基于Map-Reduce的三层聚类算法实现 | 第52-56页 |
| 4.2.2 基于NoSQL数据库的数据持久化 | 第56-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 热点话题平台的实现与展示 | 第60-86页 |
| 5.1 实现概述 | 第60-61页 |
| 5.2 方案测试与分析 | 第61-72页 |
| 5.2.1 爬虫方案正确性测试 | 第61-65页 |
| 5.2.2 聚类算法有效性测试 | 第65-69页 |
| 5.2.3 分类算法有效性测试 | 第69-71页 |
| 5.2.4 Map-Reduce聚类性能测试 | 第71-72页 |
| 5.3 热点话题分析平台的设计与实现 | 第72-78页 |
| 5.3.1 系统架构 | 第72-73页 |
| 5.3.2 模块架构 | 第73-78页 |
| 5.4 热点话题分析平台展示 | 第78-84页 |
| 5.4.1 系统首页 | 第78页 |
| 5.4.2 爬虫站点统计分析展示 | 第78-80页 |
| 5.4.3 舆情话题汇总展示 | 第80-81页 |
| 5.4.4 话题详情页 | 第81-84页 |
| 5.5 本章小结 | 第84-86页 |
| 第六章 结论与展望 | 第86-89页 |
| 6.1 研究工作总结 | 第86-87页 |
| 6.2 工作展望 | 第87-89页 |
| 参考文献 | 第89-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 答辩委员签名的答辩决议书 | 第94页 |
