| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第14-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 主要研究内容 | 第19-20页 |
| 1.4 论文章节安排 | 第20-21页 |
| 第二章 网络舆情系统关键技术分析 | 第21-36页 |
| 2.1 网络爬虫技术 | 第21-24页 |
| 2.2 文本预处理技术 | 第24-27页 |
| 2.2.1 网页内容提取技术 | 第24页 |
| 2.2.2 中文文本分词技术 | 第24-27页 |
| 2.2.3 文本信息停用词处理 | 第27页 |
| 2.3 文本向量表示与特征选择 | 第27-29页 |
| 2.4 文本相似度度量计算方法 | 第29-31页 |
| 2.5 文本分类与聚类技术 | 第31-34页 |
| 2.5.1 文本分类算法 | 第31-32页 |
| 2.5.2 文本聚类算法 | 第32-33页 |
| 2.5.3 聚类与分类效果评价标准 | 第33-34页 |
| 2.6 话题检测与追踪技术 | 第34-36页 |
| 第三章 系统的需求分析与总体架构设计 | 第36-44页 |
| 3.1 系统概述 | 第36-38页 |
| 3.1.1 系统设计目标 | 第36-37页 |
| 3.1.2 系统需求与分析 | 第37-38页 |
| 3.2 系统的架构设计 | 第38-42页 |
| 3.2.1 系统的总体框架设计 | 第38-40页 |
| 3.2.2 系统的分层设计 | 第40-42页 |
| 3.3 系统的运行与流程介绍 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 文本的特征选择与处理技术 | 第44-56页 |
| 4.1 特征选择算法及分类 | 第44-45页 |
| 4.2 TF-IDF算法及其基本原理 | 第45-46页 |
| 4.3 基于强调因子的EM-NWTF算法 | 第46-50页 |
| 4.4 仿真验证分析 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 文本聚类技术 | 第56-69页 |
| 5.1 文本聚类方法的类型划分 | 第56-58页 |
| 5.2 典型的文本聚类算法 | 第58-61页 |
| 5.2.1 基于划分的K-means算法 | 第58-59页 |
| 5.2.2 基于划分的K-medoids算法 | 第59页 |
| 5.2.3 基于层次的BIRCH算法 | 第59-60页 |
| 5.2.4 基于层次的CURE算法 | 第60页 |
| 5.2.5 基于密度的DBSCAN算法 | 第60-61页 |
| 5.3 基于最小相似选择的MINITER-MEANS算法 | 第61-62页 |
| 5.4 仿真验证分析 | 第62-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 舆情系统实验测试分析 | 第69-85页 |
| 6.1 分布式数据处理平台HADOOP概述 | 第69-74页 |
| 6.1.1 Map Reduce编程模型 | 第69-71页 |
| 6.1.2 HDFS机制 | 第71-73页 |
| 6.1.3 Mahout算法库 | 第73-74页 |
| 6.2 系统测试实验方案设计 | 第74-77页 |
| 6.2.1 实验数据 | 第74-76页 |
| 6.2.2 实验环境 | 第76-77页 |
| 6.3 系统平台搭建与运行测试 | 第77-84页 |
| 6.3.1 集群软件安装与文件配置 | 第77-79页 |
| 6.3.2 运行测试结果与数据分析 | 第79-84页 |
| 6.4 本章小结 | 第84-85页 |
| 第七章 总结与展望 | 第85-87页 |
| 7.1 全文总结 | 第85-86页 |
| 7.2 前景展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士期间取得的研究成果 | 第93-94页 |