| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.1.1 现实背景 | 第15-17页 |
| 1.1.2 政策背景 | 第17页 |
| 1.1.3 学术背景 | 第17页 |
| 1.2 研究目标与意义 | 第17-18页 |
| 1.2.1 研究目标 | 第17-18页 |
| 1.2.2 研究意义 | 第18页 |
| 1.3 相关问题阐述 | 第18-20页 |
| 1.3.1 相关概念界定 | 第18-19页 |
| 1.3.2 研究范围界定 | 第19-20页 |
| 1.4 研究思路、研究方法和组织结构 | 第20-22页 |
| 1.4.1 研究思路 | 第20-21页 |
| 1.4.2 研究方法 | 第21-22页 |
| 1.4.3 组织结构 | 第22页 |
| 1.5 本章小节 | 第22-23页 |
| 第二章 网络舆情主题发现相关研究进展 | 第23-44页 |
| 2.1 网络舆情要素组织模式相关研究进展 | 第23-28页 |
| 2.1.1 网络舆情特征 | 第23-24页 |
| 2.1.2 网络舆情主题形成要素分析 | 第24-25页 |
| 2.1.3 网络舆情要素组织方法 | 第25-28页 |
| 2.2 微博主题识别相关研究进展 | 第28-38页 |
| 2.2.1 主题识别一般方法 | 第28-33页 |
| 2.2.2 微博主题识别方法 | 第33-38页 |
| 2.3 网络舆情主题演化相关研究进展 | 第38-41页 |
| 2.3.1 网络舆情主题演化分析 | 第38-39页 |
| 2.3.2 社会网络相关拓扑指标 | 第39-40页 |
| 2.3.3 超网络相关拓扑指标 | 第40-41页 |
| 2.4 现有方法特点及可改进之处 | 第41-43页 |
| 2.4.1 现有分析方法特点分析 | 第41-42页 |
| 2.4.2 现有分析方法的可改进之处 | 第42-43页 |
| 2.4.3 新思路的探索 | 第43页 |
| 2.5 本章小节 | 第43-44页 |
| 第三章 微博舆情主题发现超网络模型构建方法 | 第44-54页 |
| 3.1 微博舆情形成关键要素及其关联关系确定 | 第44-49页 |
| 3.1.1 微博舆情形成特征分析 | 第44-45页 |
| 3.1.2 微博舆情关键要素分析 | 第45-47页 |
| 3.1.3 微博舆情构成要素关联关系分析 | 第47-49页 |
| 3.2 微博舆情主题发现超网络模型构建 | 第49-53页 |
| 3.2.1 微博舆情的超网络特征分析 | 第49-50页 |
| 3.2.2 微博舆情主题发现超网络模型构建 | 第50-51页 |
| 3.2.3 微博舆情主题发现超网络模型各层子网构建 | 第51-52页 |
| 3.2.4 微博舆情主题发现超网络模型子网集成模型构建 | 第52-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 基于超网络模型的微博舆情主题识别方法 | 第54-65页 |
| 4.1 超边分析方法 | 第54-55页 |
| 4.2 基于超边分析的微博舆情主题聚类方法 | 第55-61页 |
| 4.2.1 超边相似度算法 | 第56-57页 |
| 4.2.2 超边属性计算 | 第57-60页 |
| 4.2.3 特征权值计算 | 第60-61页 |
| 4.3 基于子网集成建模的聚类主题词识别方法 | 第61-64页 |
| 4.3.1 聚类主题词特征分析 | 第61-62页 |
| 4.3.2 子网集成分析 | 第62-63页 |
| 4.3.3 主题词特征属性权值计算 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于超网络模型的微博舆情主题演化方法 | 第65-72页 |
| 5.1 静态主题分析 | 第65-69页 |
| 5.1.1 静态主题模型分析 | 第65-66页 |
| 5.1.2 静态主题模型构建 | 第66-67页 |
| 5.1.3 拓扑特征分析 | 第67-69页 |
| 5.1.4 舆情主题分布特征分析 | 第69页 |
| 5.2 动态主题演化分析 | 第69-71页 |
| 5.2.1 超网络动态演化模型 | 第69-70页 |
| 5.2.2 拓扑特征分析 | 第70-71页 |
| 5.2.3 舆情主题演化特征分析 | 第71页 |
| 5.3 本章小节 | 第71-72页 |
| 第六章 舆情主题发现实证分析 | 第72-89页 |
| 6.1 验证实例的选择 | 第72-73页 |
| 6.1.1 案例选择原因 | 第72页 |
| 6.1.2 “无籽葡萄系打避孕药”舆情事件背景 | 第72-73页 |
| 6.2 数据收集与预处理 | 第73-74页 |
| 6.2.1 数据收集 | 第73页 |
| 6.2.2 数据预处理 | 第73-74页 |
| 6.3 实证分析 | 第74-81页 |
| 6.3.1 超网络模型构建 | 第74-76页 |
| 6.3.2 基于超网络模型的微博舆情主题识别 | 第76-78页 |
| 6.3.3 基于超网络模型的舆情主题动态演化 | 第78-81页 |
| 6.4 对比分析 | 第81-88页 |
| 6.4.1 关键环节对比分析 | 第81-87页 |
| 6.4.2 方法评价 | 第87-88页 |
| 6.5 本章小结 | 第88-89页 |
| 第七章 总结与展望 | 第89-91页 |
| 7.1 研究总结 | 第89页 |
| 7.2 研究的创新之处 | 第89-90页 |
| 7.3 研究展望 | 第90-91页 |
| 参考文献 | 第91-100页 |
| 致谢 | 第100-101页 |
| 作者简历 | 第101页 |