| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 文本挖掘研究现状 | 第12-13页 |
| 1.2.2 政府采购研究现状 | 第13-14页 |
| 1.3 研究内容和创新点 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 本文的创新点 | 第15-16页 |
| 1.4 研究技术路线 | 第16-18页 |
| 第2章 文本挖掘理论与技术 | 第18-28页 |
| 2.1 文本挖掘定义 | 第18-19页 |
| 2.2 文本挖掘过程 | 第19-21页 |
| 2.2.1 文本提炼过程 | 第19-20页 |
| 2.2.2 知识蒸馏过程 | 第20-21页 |
| 2.3 文本挖掘方法 | 第21-26页 |
| 2.3.1 关联分析 | 第21-22页 |
| 2.3.2 文本分类 | 第22-24页 |
| 2.3.3 时间序列 | 第24-26页 |
| 2.4 文本挖掘的应用领域 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 信息采集和预处理 | 第28-42页 |
| 3.1 数据来源 | 第28页 |
| 3.2 信息采集 | 第28-31页 |
| 3.2.1 爬虫工具介绍 | 第28-29页 |
| 3.2.2 政府采购文本数据采集 | 第29-31页 |
| 3.3 文本预处理 | 第31-34页 |
| 3.3.1 中文文本分词 | 第31-32页 |
| 3.3.2 政府采购公告文本分词 | 第32-34页 |
| 3.4 构建专业词典 | 第34-36页 |
| 3.5 文本分类 | 第36-41页 |
| 3.5.1 支持向量机 | 第36-39页 |
| 3.5.2 政府采购公告类别标签设定 | 第39页 |
| 3.5.3 文本表示 | 第39-40页 |
| 3.5.4 分类结果 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 APRIORI算法及改进 | 第42-52页 |
| 4.1 APRIORI算法 | 第42-45页 |
| 4.1.1 Apriori算法基本思想 | 第42页 |
| 4.1.2 Apriori算法流程及实现 | 第42-44页 |
| 4.1.3 Apriori算法事例 | 第44-45页 |
| 4.2 APRIORI算法的改进策略 | 第45-49页 |
| 4.2.1 基于内容分类的Apriori改进算法 | 第45-46页 |
| 4.2.2 基于项集重要性改进Apriori算法 | 第46-49页 |
| 4.3 算法比较 | 第49-51页 |
| 4.3.1 Apriori算法与CCW_Apriori算法比较 | 第49页 |
| 4.3.2 算法性能评估 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 山东省政府采购文本分析 | 第52-67页 |
| 5.1 政府采购需求的信息分布状况 | 第52-56页 |
| 5.1.1 采购产品类型分布 | 第52-53页 |
| 5.1.2 采购产品地点分布 | 第53-55页 |
| 5.1.3 采购产品单位分布 | 第55页 |
| 5.1.4 结果分析及政策建议 | 第55-56页 |
| 5.2 基于时间序列算法预测政府采购趋势 | 第56-61页 |
| 5.2.1 现状分析 | 第56-57页 |
| 5.2.2 数据分析 | 第57-60页 |
| 5.2.3 时间序列算法预测结果 | 第60-61页 |
| 5.2.4 结果分析及政策建议 | 第61页 |
| 5.3 基于CCW_APRIORI算法分析政府采购是否有强关联关系 | 第61-66页 |
| 5.3.1 现状分析 | 第61-62页 |
| 5.3.2 数据准备 | 第62-63页 |
| 5.3.3 挖掘关联规则 | 第63-64页 |
| 5.3.4 结果分析及政策建议 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录A CCW_APRIORI算法关键代码 | 第73-76页 |
| 攻读学位期间参与的科研项目 | 第76-77页 |
| 致谢 | 第77页 |