多媒体网络舆情危机监测指标体系构建研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究综述 | 第12-16页 |
| 1.2.1 国内研究现状 | 第12-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.2.3 国内外研究现状分析 | 第16页 |
| 1.3 论文结构安排与研究方法 | 第16-17页 |
| 1.3.1 论文结构安排 | 第16-17页 |
| 1.3.2 主要研究方法 | 第17页 |
| 1.4 论文创新点 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论基础 | 第19-31页 |
| 2.1 信息传播的相关理论 | 第19-21页 |
| 2.1.1 信息传播路径 | 第19页 |
| 2.1.2 信息传播典型路径模式 | 第19-21页 |
| 2.2 多媒体网络舆情理论 | 第21-23页 |
| 2.2.1 多媒体舆情概念 | 第21页 |
| 2.2.2 多媒体网络舆情演进阶段 | 第21-23页 |
| 2.3 网络舆情危机相关理论 | 第23-24页 |
| 2.3.1 网络舆情危机概念 | 第23页 |
| 2.3.2 网络舆情危机传播机制 | 第23-24页 |
| 2.3.3 网络舆情危机评价 | 第24页 |
| 2.4 评价方法的相关理论 | 第24-30页 |
| 2.4.1 相关性分析方法 | 第24-25页 |
| 2.4.2 主成分分析方法 | 第25-26页 |
| 2.4.3 BP神经网络 | 第26-28页 |
| 2.4.4 遗传算法 | 第28-30页 |
| 2.4.5 德尔菲法 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 多媒体网络舆情危机监测要素分析 | 第31-37页 |
| 3.1 多媒体网络舆情特征 | 第31-32页 |
| 3.2 多媒体网络舆情危机的要素分析 | 第32-35页 |
| 3.2.1 舆情主体要素 | 第33页 |
| 3.2.2 舆情客体要素 | 第33-34页 |
| 3.2.3 舆情本体要素 | 第34页 |
| 3.2.4 舆情媒体要素 | 第34页 |
| 3.2.5 舆情环境要素 | 第34-35页 |
| 3.3 多媒体网络舆情危机影响要素作用关系 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 多媒体网络舆情危机监测指标体系构建 | 第37-50页 |
| 4.1 多媒体网络舆情危机监测指标体系的目标 | 第37页 |
| 4.2 多媒体网络舆情危机监测指标体系的原则 | 第37页 |
| 4.3 多媒体网络舆情危机监测指标体系 | 第37-45页 |
| 4.3.1 初级指标体系筛选 | 第37-40页 |
| 4.3.2 指标解释及量化 | 第40-45页 |
| 4.4 评价方法 | 第45-49页 |
| 4.4.1 指标数据获取方式 | 第45-46页 |
| 4.4.2 数据标准化处理 | 第46页 |
| 4.4.3 基于相关性-主成分分析方法的指标分析 | 第46-47页 |
| 4.4.4 基于GA_BP神经网络指标权重设定 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 多媒体网络舆情危机监测指标体系的实证研究 | 第50-66页 |
| 5.1 案例验证方法思路 | 第50-54页 |
| 5.1.1 指标相关性分析 | 第50-54页 |
| 5.2 数据来源、采集、及处理 | 第54-55页 |
| 5.2.1 数据来源及采集 | 第54-55页 |
| 5.2.2 数据标准化处理 | 第55页 |
| 5.3 基于相关性-主成分分析方法指标分析 | 第55-60页 |
| 5.3.1 指标主成分分析 | 第55-60页 |
| 5.4 基于GA_BP神经网络指标权重设定 | 第60-63页 |
| 5.4.1 神经网络参数设置 | 第60-61页 |
| 5.4.2 遗传算法参数设置 | 第61-62页 |
| 5.4.3 遗传算法优化BP神经网络的训练结果 | 第62-63页 |
| 5.5 实验结果分析 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-67页 |
| 6.1 研究结论 | 第66页 |
| 6.2 不足与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
