| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 网络舆情国外研究现状 | 第13-14页 |
| 1.2.2 网络舆情国内研究现状 | 第14-15页 |
| 1.3 研究内容及论文安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 相关理论与技术研究 | 第17-31页 |
| 2.1 网络舆情相关理论 | 第17-18页 |
| 2.1.1 网络舆情概述 | 第17页 |
| 2.1.2 网络舆情监测分析系统框架 | 第17-18页 |
| 2.2 数据采集相关技术 | 第18-22页 |
| 2.2.1 网络爬虫技术 | 第18-20页 |
| 2.2.2 Hook技术 | 第20-22页 |
| 2.2.3 Android自动化测试技术 | 第22页 |
| 2.3 文本预处理过程 | 第22-23页 |
| 2.4 文本倾向性分类技术 | 第23-26页 |
| 2.4.1 基于机器学习的文本倾向性分析 | 第23-24页 |
| 2.4.2 word2vec词向量模型 | 第24-26页 |
| 2.5 机器学习系统调优方法 | 第26-29页 |
| 2.5.1 过拟合 | 第26-27页 |
| 2.5.2 交叉验证 | 第27-28页 |
| 2.5.3 学习曲线 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第3章 基于机器学习的网络舆情倾向性分析研究 | 第31-43页 |
| 3.1 特征选择算法研究 | 第31-34页 |
| 3.1.1 文档频率 | 第31页 |
| 3.1.2 信息增益 | 第31-32页 |
| 3.1.3 互信息 | 第32-33页 |
| 3.1.4 卡方统计 | 第33页 |
| 3.1.5 加权似然对数法 | 第33-34页 |
| 3.2 分类算法研究 | 第34-36页 |
| 3.2.1 朴素贝叶斯（Naive Bayes，NB） | 第34-35页 |
| 3.2.2 支持向量机（Support Vector Machines, SVM） | 第35-36页 |
| 3.2.3 逻辑回归（Logistic Regression, LR） | 第36页 |
| 3.3 评价标准 | 第36-38页 |
| 3.4 实验结果及分析 | 第38-42页 |
| 3.4.1 实验方案设计 | 第38-40页 |
| 3.4.2 特征选择的分类效果比较 | 第40-41页 |
| 3.4.3 分类算法的效果比较 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于word2vec的网络舆情分析模型研究 | 第43-59页 |
| 4.1 word2vec模型 | 第43-44页 |
| 4.2 word2vec—CBOW模型 | 第44-48页 |
| 4.2.1 网络结构 | 第44-45页 |
| 4.2.2 目标函数构造 | 第45-47页 |
| 4.2.3 梯度下降法求解 | 第47-48页 |
| 4.3 word2vec—skip-gram模型 | 第48-50页 |
| 4.3.1 网络结构 | 第48-49页 |
| 4.3.2 目标函数构造 | 第49-50页 |
| 4.3.3 梯度下降法求解 | 第50页 |
| 4.4 word2vec中文模型训练 | 第50-52页 |
| 4.4.1 模型语料 | 第50-51页 |
| 4.4.2 模型训练及效果 | 第51-52页 |
| 4.5 基于word2vec的文本倾向性分类实验 | 第52-57页 |
| 4.5.1 实验方案设计 | 第52-53页 |
| 4.5.2 模型调优 | 第53-56页 |
| 4.5.3 实验结果及分析 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 网络舆情监测分析系统研究 | 第59-69页 |
| 5.1 系统总体设计 | 第59-61页 |
| 5.1.1 系统需求分析 | 第59页 |
| 5.1.2 系统总体架构设计 | 第59-61页 |
| 5.2 数据采集模块设计实现 | 第61-64页 |
| 5.2.1 数据采集原理 | 第61-62页 |
| 5.2.2 数据采集流程 | 第62-64页 |
| 5.3 数据存储模块 | 第64-66页 |
| 5.4 文本倾向性分类模块 | 第66页 |
| 5.5 舆情报告展示模块 | 第66-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 全文工作总结 | 第69页 |
| 6.2 建议与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 作者简介及所取得科研成果 | 第77-79页 |
| 致谢 | 第79页 |
