基于PSO-KHM聚类的微博舆情预警系统的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题背景及意义 | 第8-10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·论文内容安排 | 第11-13页 |
| 第二章 微博舆情数据挖掘相关理论研究 | 第13-26页 |
| ·微博舆情数据挖掘 | 第13-15页 |
| ·微博信息提取技术 | 第15-20页 |
| ·基于API的数据提取技术 | 第15-18页 |
| ·基于Web网络爬虫的数据提取技术 | 第18-20页 |
| ·分词技术 | 第20-21页 |
| ·去停用词 | 第21-22页 |
| ·文本的表示模型 | 第22-26页 |
| 第三章 基于改进PSO算法的聚类分析 | 第26-43页 |
| ·几种主要的聚类算法 | 第26-34页 |
| ·划分方法 | 第27-29页 |
| ·层次聚类算法 | 第29-31页 |
| ·基于密度的聚类算法 | 第31-32页 |
| ·基于网格的聚类算法 | 第32-33页 |
| ·基于模型的方法 | 第33-34页 |
| ·PSO算法 | 第34-35页 |
| ·改进的PSO算法 | 第35-38页 |
| ·带有惯性因子的粒子群算法 | 第35-36页 |
| ·带有收缩因子的粒子群算法 | 第36页 |
| ·基于遗传思想改进粒子群算法 | 第36-37页 |
| ·离散二进制粒子群算法 | 第37-38页 |
| ·其他的PSO改进算法 | 第38页 |
| ·利用PSO改进KHM聚类算法 | 第38-43页 |
| ·K-means聚类算法 | 第38-40页 |
| ·KHM聚类算法 | 第40-43页 |
| 第四章 基于聚类的微博舆情预警系统的模型设计 | 第43-59页 |
| ·系统的整体目标 | 第43-44页 |
| ·系统总体架构设计 | 第44-46页 |
| ·系统流程设计 | 第46-55页 |
| ·微博信息爬虫采集模块 | 第46-47页 |
| ·微博信息去重模块 | 第47-49页 |
| ·微博信息收集存储模块 | 第49-53页 |
| ·文本预处理模块 | 第53-54页 |
| ·文本聚类热点检测模块 | 第54页 |
| ·微博舆情评测模块 | 第54-55页 |
| ·系统实现 | 第55-58页 |
| ·开发平台及工具 | 第55页 |
| ·可视化功能 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结及展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
