| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 课题的国内外研究现状 | 第13-20页 |
| 1.2.1 网络社交媒体的研究概况 | 第14-15页 |
| 1.2.2 中文微博数据采集的研究概况 | 第15-16页 |
| 1.2.3 社会安全事件侦测的研究概况 | 第16-18页 |
| 1.2.4 情感分析与观点挖掘的研究概况 | 第18-20页 |
| 1.3 本文研究内容及总体研究思路 | 第20-21页 |
| 1.4 本文组织结构 | 第21-24页 |
| 第2章 微博中社会安全事件的侦测 | 第24-47页 |
| 2.1 微博数据的获取与预处理 | 第24-26页 |
| 2.1.1 微博数据的采集 | 第24-25页 |
| 2.1.2 微博数据的预处理 | 第25-26页 |
| 2.2 微博中社会安全事件的侦测 | 第26-38页 |
| 2.2.1 社会安全事件特征词的抽取 | 第27-30页 |
| 2.2.2 社会安全事件特征词相关度计算 | 第30-38页 |
| 2.2.3 社会安全事件侦测模型的构建 | 第38页 |
| 2.3 实验及实验结果分析 | 第38-46页 |
| 2.3.1 社会安全事件特征词抽取评估 | 第39页 |
| 2.3.2 词语相关度计算评估 | 第39-44页 |
| 2.3.3 社会安全事件侦测评估 | 第44-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 微博中社会安全事件公众情感倾向性分析 | 第47-65页 |
| 3.1 微博情感分析概述 | 第47-49页 |
| 3.2 面向微博的情感符号库的构建 | 第49-51页 |
| 3.2.1 微博情感符号的选取 | 第49页 |
| 3.2.2 情感符号情感得分的标注 | 第49-51页 |
| 3.3 微博文本情感分析模型的构建 | 第51-55页 |
| 3.3.1 微博文本中情感符号的提取 | 第51页 |
| 3.3.2 基于双重注意力机制的微博文本情感分析模型 | 第51-55页 |
| 3.4 公众情感倾向性分析模型的构建 | 第55-56页 |
| 3.5 实验及实验结果分析 | 第56-64页 |
| 3.5.1 微博文本情感倾向分析评估 | 第56-63页 |
| 3.5.2 社会安全事件公众情感倾向性分析评估 | 第63-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第4章 微博中社会安全事件公众情感趋势分析与预测 | 第65-75页 |
| 4.1 情感趋势分析与预测概述 | 第65页 |
| 4.2 情感趋势分析指标的构建 | 第65-67页 |
| 4.2.1 特定情感倾向微博的数目指标 | 第66页 |
| 4.2.2 特定情感倾向微博的比重指标 | 第66-67页 |
| 4.3 公众情感趋势分析模型 | 第67-68页 |
| 4.4 公众情感趋势预测模型 | 第68-69页 |
| 4.5 实验及实验结果分析 | 第69-73页 |
| 4.5.1 实验数据 | 第69-70页 |
| 4.5.2 公众情感趋势分析评估 | 第70-73页 |
| 4.5.3 公众情感趋势预测评估 | 第73页 |
| 4.6 本章小结 | 第73-75页 |
| 第5章 微博中社会安全事件公众情感分析系统的设计与实现 | 第75-82页 |
| 5.1 系统总体框架的设计 | 第75-76页 |
| 5.2 系统主要功能模块的设计与实现 | 第76-81页 |
| 5.2.1 微博数据的采集与预处理 | 第76-78页 |
| 5.2.2 社会安全事件的侦测 | 第78-80页 |
| 5.2.3 社会安全事件情感分析 | 第80页 |
| 5.2.4 公众情感趋势分析与预测 | 第80-81页 |
| 5.3 本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-85页 |
| 6.1 本文工作总结 | 第82-83页 |
| 6.2 研究展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第91-92页 |