| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与选题意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 国内的研究现状 | 第13-14页 |
| 1.2.2 国外的研究现状 | 第14页 |
| 1.3 论文结构与研究方法 | 第14-15页 |
| 1.3.1 论文结构 | 第14-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.4 论文创新点 | 第15-17页 |
| 第2章 相关理论综述 | 第17-23页 |
| 2.1 网络舆情基本概念 | 第17-18页 |
| 2.1.1 网络舆情的内涵 | 第17页 |
| 2.1.2 网络舆情的特征 | 第17-18页 |
| 2.2 网络舆情传播理论 | 第18-19页 |
| 2.2.1 网络舆情传播的机理 | 第18页 |
| 2.2.2 网络舆情的生命周期理论 | 第18-19页 |
| 2.3 语义识别理论 | 第19-20页 |
| 2.3.1 语义文法 | 第19页 |
| 2.3.2 本体论 | 第19-20页 |
| 2.4 网络舆情的预警理论 | 第20-23页 |
| 2.4.1 网络舆情预警概念 | 第20-21页 |
| 2.4.2 网络舆情预警体系 | 第21-23页 |
| 第3章 网络舆情语义识别技术分析 | 第23-35页 |
| 3.1 网络舆情信息采集技术分析 | 第23-28页 |
| 3.1.1 通用网络爬虫 | 第23-24页 |
| 3.1.2 聚焦网络爬虫 | 第24-25页 |
| 3.1.3 增量式网络爬虫 | 第25-26页 |
| 3.1.4 深层网络爬虫 | 第26-28页 |
| 3.2 网络舆情信息预处理技术分析 | 第28-31页 |
| 3.2.1 数据清洗 | 第29-30页 |
| 3.2.2 数据集成 | 第30页 |
| 3.2.3 数据变换 | 第30页 |
| 3.2.4 数据归约 | 第30-31页 |
| 3.3 网络舆情的话题识别技术分析 | 第31-35页 |
| 3.3.1 LDA聚类算法 | 第32页 |
| 3.3.2 K-means聚类算法 | 第32页 |
| 3.3.3 SOM聚类算法 | 第32-35页 |
| 第4章 网络舆情语义识别的流程构建 | 第35-51页 |
| 4.1 网络舆情语义识别流程的框架构建 | 第35-36页 |
| 4.2 网络舆情信息采集模块 | 第36-37页 |
| 4.3 网络舆情预处理模块 | 第37-40页 |
| 4.3.1 文本分词 | 第38页 |
| 4.3.2 词性标注 | 第38-39页 |
| 4.3.3 过滤停用词 | 第39页 |
| 4.3.4 特征抽取 | 第39-40页 |
| 4.4 网络舆情话题聚类模块 | 第40-46页 |
| 4.4.1 基于VSM的文本表示 | 第41-42页 |
| 4.4.2 K-means算法质心数量选取 | 第42页 |
| 4.4.3 K-means算法初始质心的选择 | 第42-44页 |
| 4.4.4 K-means算法中样本与质心距离计算 | 第44页 |
| 4.4.5 K-means质心的重选 | 第44-45页 |
| 4.4.6 运算停止条件 | 第45-46页 |
| 4.5 网络舆情反馈模块 | 第46-51页 |
| 4.5.1 情感词判别 | 第46-47页 |
| 4.5.2 情感分析 | 第47-48页 |
| 4.5.3 舆情预警机制 | 第48-49页 |
| 4.5.4 舆情疏导策略 | 第49-51页 |
| 第5章 实证研究 | 第51-63页 |
| 5.1 数据选取 | 第51-53页 |
| 5.2 预处理 | 第53-55页 |
| 5.3 话题聚类分析 | 第55-61页 |
| 5.4 网络舆情反馈 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63页 |
| 6.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-77页 |
| 作者简介与研究成果 | 第77-79页 |
| 致谢 | 第79页 |