首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

话题跟踪和可视化技术在涉农网络舆情系统中的应用研究

图目录第1-9页
表目录第9-10页
摘要第10-12页
ABSTRACT第12-14页
第一章 绪论第14-22页
   ·研究背景第14-15页
     ·互联网发展现状第14页
     ·涉农网络舆情现状第14-15页
   ·研究目的和研究意义第15-16页
   ·国内外研究现状第16-19页
     ·国内研究现状第17-18页
     ·国外研究现状第18-19页
   ·本文的组织结构第19-22页
第二章 相关技术研究第22-40页
   ·话题发现与跟踪技术在网络舆情系统中的应用第22-28页
     ·相关概念第22-23页
     ·话题发现与跟踪的基本任务第23-24页
     ·话题发现与跟踪评测第24-25页
     ·话题发现与跟踪技术在网络舆情系统中的应用第25-26页
     ·其他技术在网络舆情系统中的应用第26-28页
   ·文本预处理第28-31页
     ·基于词典的分词方法第29页
     ·基于统计的分词方法第29-30页
     ·基于语法与规则的分词方法第30页
     ·去停用词处理第30-31页
   ·文档表示模型第31-34页
     ·特征词的选择第32页
     ·向量空间模型第32-33页
     ·统计语言模型第33-34页
   ·话题发现与跟踪方法第34-37页
     ·划分式聚类第35-36页
     ·层次聚类第36-37页
     ·基于密度的聚类第37页
   ·数据挖掘中的可视化第37-38页
     ·数据可视化第38页
     ·数据挖掘过程可视化第38页
   ·本章小结第38-40页
第三章 基于话题词频和突发词的动态话题模型方法研究第40-56页
   ·基于话题词频和突发词的动态话题模型第40-47页
     ·基于话题词频的动态话题模型特征词选择第41-44页
     ·基于突发词的动态话题模型特征词选择第44-45页
     ·特征词的加权第45页
     ·相似度的计算第45-47页
   ·基于动态话题模型话题发现与跟踪方法第47-50页
     ·样本初始化第47-48页
     ·种子事件的选择第48-49页
     ·话题发现与跟踪第49-50页
   ·基于fusioncharts数据可视化第50-54页
     ·Fusioncharts文件介绍第51-53页
     ·Fusioncharts的数据钻取第53-54页
   ·小结第54-56页
第四章 基于模型的涉农网络舆情系统的设计与实现第56-78页
   ·数据库的设计第56-59页
     ·数据库概念结构设计第57-58页
     ·数据库逻辑结构设计第58页
     ·数据库的连接第58-59页
   ·样本采集与样本库构建第59-60页
     ·话题选择第59-60页
     ·样本详情第60页
   ·文本预处理第60-66页
     ·Java正则表达式第61页
     ·ICTCLAS分词第61-63页
     ·中文停用词的处理第63-64页
     ·特征词加权第64-65页
     ·文档表示与聚类中心表示第65-66页
   ·基于k-means分类器的话题发现第66-68页
     ·话题发现第67-68页
     ·话题跟踪第68页
   ·涉农网络舆情系统中的热点发现第68-73页
     ·获得数据库中热点信息——以热点作者为例第69-70页
     ·热度计算——以作者的热度计算为例第70-71页
     ·热点的可视化——以热点作者为例第71-73页
   ·系统界面第73-78页
     ·主要展示模块实现第73-76页
     ·可视化界面实现第76-78页
第五章 方法测试与讨论第78-84页
   ·数据评测标准第78页
   ·实验设计第78-79页
   ·特征向量选择长度大小对文本分类准确性的影响第79-80页
   ·α的选择对文本分类准确性的影响第80-81页
   ·小结第81-84页
第六章 总结与展望第84-86页
   ·全文总结第84页
   ·下一步工作展望第84-86页
参考文献第86-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:基于文本的基因间相互关系挖掘系统研究与实现
下一篇:基于区域和主动轮廓的花卉图像分割与处理系统研究与开发