基于主题模型的网络舆情分析及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 文献综述 | 第13-20页 |
| 1.2.1 网络舆情的研究现状 | 第13-15页 |
| 1.2.2 主题模型的研究现状 | 第15-20页 |
| 1.3 研究内容 | 第20-21页 |
| 1.3.1 主要研究内容 | 第20-21页 |
| 1.3.2 贡献与不足 | 第21页 |
| 1.4 本文结构 | 第21-23页 |
| 第二章 相关工作 | 第23-37页 |
| 2.1 网络舆情相关知识 | 第23-25页 |
| 2.1.1 舆情的传播方式 | 第23-24页 |
| 2.1.2 网络舆情的文本特性 | 第24页 |
| 2.1.3 小结 | 第24-25页 |
| 2.2 舆情主题挖掘方法 | 第25-27页 |
| 2.3 主题模型 | 第27-36页 |
| 2.3.1 PLSI模型 | 第27-28页 |
| 2.3.2 静态主题模型LDA | 第28-31页 |
| 2.3.3 监督主题模型SLDA | 第31-33页 |
| 2.3.4 动态主题模型DTM | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 静态主题模型建模 | 第37-48页 |
| 3.1 改进讨论 | 第37-39页 |
| 3.2 自适应标签主题模型 | 第39-45页 |
| 3.2.1 词组信息和文档标签 | 第39-42页 |
| 3.2.2 算法简述 | 第42-45页 |
| 3.3 模型参数的选择 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 动态主题模型建模 | 第48-56页 |
| 4.1 改进讨论 | 第48-49页 |
| 4.2 自适应时间窗动态主题模型 | 第49-54页 |
| 4.2.1 时间窗相似度指标 | 第50-51页 |
| 4.2.2 算法简述 | 第51-54页 |
| 4.3 舆情主题分析 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 相关实验 | 第56-83页 |
| 5.1 实验数据集 | 第56-58页 |
| 5.1.1 数据清洗 | 第56-57页 |
| 5.1.2 数据描述 | 第57-58页 |
| 5.1.3 小结 | 第58页 |
| 5.2 自适应标签主题模型 | 第58-69页 |
| 5.2.1 困惑度 | 第61-63页 |
| 5.2.2 聚合度与离散度 | 第63-68页 |
| 5.2.3 最优主题数确定 | 第68页 |
| 5.2.4 小结 | 第68-69页 |
| 5.3 自适应时间窗动态主题模型 | 第69-82页 |
| 5.3.1 聚合度和离散度 | 第71-73页 |
| 5.3.2 舆情热度内容与路径 | 第73-81页 |
| 5.3.3 小结 | 第81-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88页 |
