互联网舆情信息挖掘方法研究

摘要	第1-6页
Abstract	第6-14页
第1章 绪论	第14-36页
·课题背景及意义	第14-19页
·相关研究综述	第19-33页
·舆情基础理论	第19-23页
·网络信息挖掘	第23-27页
·数据流挖掘	第27-33页
·本文的主要研究内容和组织结构	第33-36页
·本文的主要研究内容	第33-34页
·本文的组织结构	第34-36页
第2章 互联网舆情信息挖掘的体系结构	第36-53页
·研究背景	第36-37页
·舆情的定义与相关概念	第37-39页
·舆情的定义	第37-38页
·舆情信息的定义	第38-39页
·舆情的基本属性	第39-42页
·舆情存在的空间	第39页
·舆情发生的时间	第39-40页
·舆情变化的走势	第40-41页
·突发事件的转化	第41-42页
·互联网舆情信息的采集	第42-46页
·采集内容	第42-44页
·采集来源	第44-45页
·采集方式	第45-46页
·互联网舆情信息的传播扩散模型	第46-48页
·互联网舆情信息的评价维度空间	第48-50页
·互联网舆情信息的挖掘体系结构	第50-52页
·本章小结	第52-53页
第3章 内容敏感网页的监控技术研究	第53-79页
·研究背景	第53-54页
·相关工作分析	第54-57页
·Web过滤研究现状	第54-55页
·Web过滤算法的介绍与分析	第55-57页
·用户兴趣聚焦度(UIFD)	第57-63页
·UIFD的概念	第57-59页
·基于UIFD的敏感网页监控实例分析	第59-60页
·基于训练集空间分布的UIFD定义	第60-63页
·中文内容敏感网页过滤方法	第63-69页
·结构设计	第63-65页
·重排主题特征搜索树	第65-66页
·基于UIFD的支持向量机	第66-69页
·实验与分析	第69-77页
·准备工作	第69-71页
·主题特征搜索树的实验与分析	第71-72页
·基于UIFD的支持向量机性能评价	第72-76页
·Web过滤算法的性能与分析	第76-77页
·本章小结	第77-79页
第4章 互联网频繁访问主题挖掘	第79-103页
·研究背景	第79-80页
·相关工作分析	第80-82页
·频繁项挖掘算法	第81-82页
·Frequent Sketch算法的介绍与分析	第82-91页
·问题定义与分析	第82-84页
·FS算法的设计思想	第84-85页
·FS算法的实现	第85-87页
·FS算法的理论分析	第87-89页
·FS算法在窗口数据流中的扩展	第89-91页
·互联网频繁访问主题挖掘算法	第91-95页
·算法框架	第91页
·新闻网页服务器IP列表	第91-92页
·标题句相似度判定公式	第92-93页
·多尺度时间窗口	第93-95页
·实验与分析	第95-102页
·标题句相似度判定评价	第95-96页
·FS算法的比较分析	第96-102页
·本章小结	第102-103页
第5章 互联网舆情态势计量	第103-122页
·研究背景	第103-104页
·相关工作分析	第104-106页
·NISAC指数方法	第106-108页
·NISAC指数编制的关键问题	第108-118页
·主题种子收集	第109-111页
·特征词选取	第111-112页
·指数特征分析	第112-115页
·NISAC指数发布的一个实例	第115-118页
·NISAC指数监测系统框架	第118-121页
·本章小结	第121-122页
结论	第122-124页
参考文献	第124-132页
攻读博士学位期间所发表的论文	第132-134页
致谢	第134-135页
个人简历	第135页