网络舆情监测管理系统设计的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容及章节 | 第12-13页 |
| 第2章 系统开发相关技术介绍 | 第13-29页 |
| 2.1 网络信息采集技术 | 第13-15页 |
| 2.1.1 网络爬虫技术 | 第13-14页 |
| 2.1.2 元搜索引擎技术 | 第14-15页 |
| 2.2 网页文本预处理技术 | 第15-18页 |
| 2.2.1 网页去噪技术 | 第15-17页 |
| 2.2.2 中文分词技术 | 第17-18页 |
| 2.2.3 特征提取技术 | 第18页 |
| 2.3 数据库技术 | 第18-21页 |
| 2.3.1 数据库简介 | 第19页 |
| 2.3.2 数据库分类 | 第19-20页 |
| 2.3.3 数据库管理系统 | 第20-21页 |
| 2.4 J2EE 技术 | 第21-28页 |
| 2.4.1 Java 技术 | 第21-23页 |
| 2.4.2 SSH 框架 | 第23-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 网络舆情话题发现与追踪技术 | 第29-39页 |
| 3.1 网络舆情话题的发现与追踪过程 | 第29-30页 |
| 3.2 网络舆情话题发现技术 | 第30-35页 |
| 3.2.1 话题发现的文本聚类算法 | 第30-34页 |
| 3.2.2 各聚类算法的比较与选取 | 第34-35页 |
| 3.3 网络舆情话题追踪技术 | 第35-38页 |
| 3.3.1 话题追踪的文本分类算法 | 第35-37页 |
| 3.3.2 各分类算法的比较与选取 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 网络舆情倾向性分析技术 | 第39-44页 |
| 4.1 网络舆情倾向性分类基本流程 | 第39-40页 |
| 4.2 网络舆情倾向性分析技术 | 第40-42页 |
| 4.2.1 基于语义的网络舆情倾向性分析方法 | 第40-41页 |
| 4.2.2 基于机器学习的网络舆情倾向性分析方法 | 第41-42页 |
| 4.3 本章小结 | 第42-44页 |
| 第5章 网络舆情监测管理原型系统 | 第44-59页 |
| 5.1 系统总体结构 | 第44-45页 |
| 5.2 开发技术与环境介绍 | 第45-47页 |
| 5.2.1 系统开发工具 | 第45-46页 |
| 5.2.2 系统运行环境 | 第46-47页 |
| 5.3 系统功能模块设计 | 第47-49页 |
| 5.3.1 舆情信息采集模块 | 第47-48页 |
| 5.3.2 舆情信息处理模块 | 第48页 |
| 5.3.3 舆情分析模块 | 第48-49页 |
| 5.3.4 舆情管理模块 | 第49页 |
| 5.4 系统功能模块的实现 | 第49-53页 |
| 5.4.1 用户登录界面 | 第49-50页 |
| 5.4.2 舆情信息采集模块界面 | 第50-51页 |
| 5.4.3 舆情信息处理模块界面 | 第51页 |
| 5.4.4 舆情信息分析模块界面 | 第51-52页 |
| 5.4.5 舆情信息管理模块界面 | 第52-53页 |
| 5.5 系统功安全保障体系 | 第53-55页 |
| 5.5.1 网络安全 | 第53-54页 |
| 5.5.2 数据资源安全 | 第54-55页 |
| 5.6 系统测试 | 第55-57页 |
| 5.6.1 单元测试 | 第55-57页 |
| 5.6.2 集成测试 | 第57页 |
| 5.7 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
