| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 关键技术综述 | 第14-26页 |
| 2.1 中文分词算法与分词词典机制的研究 | 第14-18页 |
| 2.1.1 中文分词算法 | 第14-15页 |
| 2.1.2 中文分词词典机制 | 第15-18页 |
| 2.2 文本聚类算法的研究 | 第18-21页 |
| 2.3 文本情感分析的研究 | 第21-24页 |
| 2.3.1 基于机器学习的文本情感分析算法 | 第22-23页 |
| 2.3.2 基于词典的文本情感分析算法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 面向社交网络的分词词典结构和分词算法的研究 | 第26-34页 |
| 3.1 基于哈希后缀树的分词词典机制的设计 | 第26-28页 |
| 3.2 哈希后缀树中后缀冲突的解决方案 | 第28-29页 |
| 3.3 基于哈希后缀树词典结构的中文分词算法 | 第29-30页 |
| 3.4 实验结果及分析 | 第30-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 面向社交网络的文本聚类算法 | 第34-42页 |
| 4.1 空间向量模型 | 第34-35页 |
| 4.2 初始点的选择策略 | 第35-38页 |
| 4.3 初始点冲突的解决办法 | 第38-39页 |
| 4.4 实验结果及分析 | 第39页 |
| 4.5 本章小结 | 第39-42页 |
| 第5章 面向社交网络的文本情感倾向分析 | 第42-52页 |
| 5.1 情感词典的构建 | 第42-44页 |
| 5.2 文本情感倾向分析的规则约定 | 第44-46页 |
| 5.3 基于多词典多规则的情感倾向计算 | 第46-48页 |
| 5.4 实验结果及分析 | 第48-49页 |
| 5.5 本章小结 | 第49-52页 |
| 第6章 面向社交网络的舆情分析系统的应用与分析 | 第52-60页 |
| 6.1 开发环境搭建 | 第52页 |
| 6.2 系统架构设计 | 第52-53页 |
| 6.3 系统的详细设计 | 第53-57页 |
| 6.3.1 网络爬虫 | 第53-55页 |
| 6.3.2 中文分词 | 第55-56页 |
| 6.3.3 文本聚类 | 第56-57页 |
| 6.3.4 文本情感倾向分析 | 第57页 |
| 6.4 系统的运行结果及分析 | 第57-59页 |
| 6.4.1 分词处理可视化及分析 | 第58-59页 |
| 6.4.2 文本情感倾向分析可视化及分析 | 第59页 |
| 6.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |