网络舆情预警辅助决策支持系统模型及关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景介绍 | 第11页 |
| ·网络舆情预警技术的演进 | 第11-15页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-14页 |
| ·存在的主要问题 | 第14-15页 |
| ·下一步发展趋势 | 第15页 |
| ·网络舆情预警系统的主要功能 | 第15-16页 |
| ·网络舆情预警系统的主要应用领域 | 第16-17页 |
| ·论文主要内容与创新点 | 第17页 |
| ·论文章节安排 | 第17-19页 |
| 第二章 网络舆情预警辅助决策支持系统模型 | 第19-25页 |
| ·系统结构模型 | 第19-20页 |
| ·分布式蜘蛛采集模型 | 第20-21页 |
| ·主要部件的设计思路 | 第21-22页 |
| ·探测器(蜘蛛采集器) | 第21-22页 |
| ·管理机 | 第22页 |
| ·本章结论 | 第22-25页 |
| 第三章 基于粗糙集理论的动静结合负载均衡算法 | 第25-33页 |
| ·背景知识\概念\理论 | 第25-27页 |
| ·信息系统 | 第25-26页 |
| ·数据离散化 | 第26页 |
| ·正域、负域及边界域 | 第26-27页 |
| ·介绍和分析已有的两种负载均衡方法 | 第27-28页 |
| ·轮转法 | 第27页 |
| ·动态反馈法 | 第27-28页 |
| ·提出改进和创新的原因和思路 | 第28-29页 |
| ·提出改进和创新的原因 | 第28页 |
| ·改进思路 | 第28-29页 |
| ·本章算法所用到的概念理论 | 第29页 |
| ·基于粗糙集的动静结合负载均衡算法描述 | 第29-30页 |
| ·算法性能分析 | 第30-32页 |
| ·本章结论 | 第32-33页 |
| 第四章 基于WEB信息属性的自动抽取方法 | 第33-39页 |
| ·背景知识\概念\理论 | 第33页 |
| ·本体论 | 第33页 |
| ·介绍和分析已有的数据抽取方法 | 第33-34页 |
| ·提出改进和创新的原因和思路 | 第34-35页 |
| ·提出改进和创新的原因 | 第34页 |
| ·改进思路 | 第34-35页 |
| ·本章算法用到的概念理论 | 第35-36页 |
| ·包装器 | 第35页 |
| ·本体 | 第35-36页 |
| ·重复模式算法 | 第36-37页 |
| ·基本框架 | 第36页 |
| ·包装器的产生 | 第36-37页 |
| ·重复模式算法描述 | 第37页 |
| ·实验分析和对比 | 第37-38页 |
| ·本章结论 | 第38-39页 |
| 第五章 新的聚类方法及全局最优聚类 | 第39-49页 |
| ·背景知识\概念\理论 | 第39页 |
| ·已有的聚类方法分析与介绍 | 第39-40页 |
| ·提出改进和创新的原因和思路 | 第40-41页 |
| ·提出改进和创新的原因 | 第40-41页 |
| ·改进思路 | 第41页 |
| ·新的动态聚类方法(最小组内距离法) | 第41-42页 |
| ·全局最优聚类过程描述 | 第42-45页 |
| ·实现全局最优的难度 | 第42页 |
| ·优化聚类算法程序 | 第42-45页 |
| ·实验数据描述 | 第45页 |
| ·实验分析和对比 | 第45-48页 |
| ·本章结论 | 第48-49页 |
| 第六章 基于关联规则的中文文本自动分类算法 | 第49-57页 |
| ·背景知识\概念\理论 | 第49-50页 |
| ·关联规则挖掘的基本概念 | 第49页 |
| ·数据分类的基本概念 | 第49-50页 |
| ·已有的关联分类方法分析与介绍 | 第50-52页 |
| ·基于关联的分类器CBA | 第50-51页 |
| ·基于关联规则的分类器ARC | 第51页 |
| ·联分类的规则修剪策略和分类策略 | 第51-52页 |
| ·提出改进和创新的原因和思路 | 第52-53页 |
| ·提出改进和创新的原因 | 第52-53页 |
| ·改进思路 | 第53页 |
| ·改进的超规则J-度量修剪策略和CDD策略 | 第53-54页 |
| ·区分度算法描述 | 第53-54页 |
| ·实验分析和对比 | 第54-55页 |
| ·本章结论 | 第55-57页 |
| 第七章 KNN话题追踪方法 | 第57-63页 |
| ·背景知识\概念\理论 | 第57页 |
| ·话题 | 第57页 |
| ·事件 | 第57页 |
| ·已有话题追踪的技术和方法 | 第57-59页 |
| ·文本分类中的特征选择 | 第58-59页 |
| ·KNN话题追踪方法 | 第59页 |
| ·提出改进和创新的原因和思路 | 第59-60页 |
| ·提出改进和创新的原因 | 第59-60页 |
| ·改进思路 | 第60页 |
| ·改进的KNN话题追踪方法算法描述 | 第60-62页 |
| ·分析与改进 | 第60-61页 |
| ·改进的KNN话题追踪算法描述 | 第61-62页 |
| ·实验分析和对比 | 第62页 |
| ·本章结论 | 第62-63页 |
| 第八章 总结和对未来工作的展望 | 第63-67页 |
| ·本文的贡献 | 第63-64页 |
| ·本文模型及算法的主要应用 | 第64-66页 |
| ·进一步研究的方向 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者攻读硕士期间的工作 | 第71-73页 |
| 致谢 | 第73页 |
