| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景以及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 话题检测与跟踪 | 第9-11页 |
| 1.2.2 情感倾向性分析 | 第11-13页 |
| 1.3 课题研究的主要内容及章节安排 | 第13-14页 |
| 第2章 话题检测与跟踪 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 向量空间模型 | 第14-16页 |
| 2.2.1 TFIDF 权重计算 | 第14-15页 |
| 2.2.2 特征权重 | 第15页 |
| 2.2.3 特征降维 | 第15-16页 |
| 2.3 话题识别与跟踪 | 第16-24页 |
| 2.3.1 两层聚类策略 | 第16-20页 |
| 2.3.2 基于增量聚类与周期分类相结合的 TDT | 第20-21页 |
| 2.3.3 主题信息发现 | 第21-24页 |
| 2.4 实验结果与分析 | 第24-27页 |
| 2.4.1 TDT 评价标准 | 第24页 |
| 2.4.2 TDT 数据分析 | 第24-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 情感倾向性分析 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 词语相似度理论 | 第29-34页 |
| 3.2.1 HowNet | 第29-31页 |
| 3.2.2 基于 HowNet 的词语倾向性计算理论 | 第31-34页 |
| 3.3 词语上下文情感倾向 | 第34-37页 |
| 3.3.1 依存句法分析 | 第34-35页 |
| 3.3.2 上下文情感倾向计算算法实现 | 第35-37页 |
| 3.4 文本倾向性分析方法 | 第37-38页 |
| 3.4.1 情感词典构建 | 第37页 |
| 3.4.2 句子权重 | 第37页 |
| 3.4.3 算法实现 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-40页 |
| 3.5.1 词语情感倾向性 | 第38-39页 |
| 3.5.2 文本情感倾向性 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 舆情分析系统设计与实现 | 第41-55页 |
| 4.1 引言 | 第41-42页 |
| 4.2 舆情信息收集子系统 | 第42-43页 |
| 4.2.1 信息抽取模块 | 第42-43页 |
| 4.2.2 结构化信息存取 | 第43页 |
| 4.3 话题检测与跟踪子系统 | 第43-48页 |
| 4.3.1 文本预处理模块 | 第44-47页 |
| 4.3.2 话题检测与跟踪模块 | 第47-48页 |
| 4.3.3 主题信息发现模块 | 第48页 |
| 4.4 文本倾向性计算子系统 | 第48-51页 |
| 4.4.1 导入 HowNet 知识模块 | 第48-50页 |
| 4.4.2 文本倾向性计算模块 | 第50-51页 |
| 4.5 舆情展示子系统 | 第51-54页 |
| 4.5.1 舆情指标体系 | 第51页 |
| 4.5.2 结果展示 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |