基于突发词和情感分析的微博突发事件监测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外相关研究现状 | 第10-13页 |
| 1.2.1 传统的话题检测技术 | 第10-11页 |
| 1.2.2 微博平台的话题监测改进算法 | 第11页 |
| 1.2.3 基于微博用户传播影响力的热门话题监测 | 第11-12页 |
| 1.2.4 基于微博转发预测的热门话题监测 | 第12页 |
| 1.2.5 基于微博情感分析的热门话题识别 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 微博数据采集 | 第15-27页 |
| 2.1 概述 | 第15页 |
| 2.2 相关背景知识 | 第15-19页 |
| 2.2.1 HTTP协议 | 第15-16页 |
| 2.2.2 URL | 第16-17页 |
| 2.2.3 COOKIE | 第17页 |
| 2.2.4 HTML | 第17-18页 |
| 2.2.5 网络爬虫 | 第18-19页 |
| 2.3 基于模拟登录的微博数据采集 | 第19-21页 |
| 2.3.1 模拟登录 | 第19-20页 |
| 2.3.2 微博数据抓取 | 第20-21页 |
| 2.4 利用API提取微博数据 | 第21-26页 |
| 2.4.1 新浪微博开放平台 | 第21-22页 |
| 2.4.2 新浪微博授权方式 | 第22-24页 |
| 2.4.3 新浪微博数据格式获取 | 第24-25页 |
| 2.4.4 使用微博API接口完成认证 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 微博突发话题检测 | 第27-42页 |
| 3.1 概述 | 第27-28页 |
| 3.2 微博预处理 | 第28-33页 |
| 3.2.1 噪声微博过滤 | 第28-30页 |
| 3.2.2 文本预处理 | 第30-33页 |
| 3.3 突发词提取 | 第33-37页 |
| 3.3.1 相对词频 | 第33-34页 |
| 3.3.2 词频增长率 | 第34页 |
| 3.3.3 突发词权重 | 第34-37页 |
| 3.3.4 突发词集抽取 | 第37页 |
| 3.4 突发词聚类 | 第37-41页 |
| 3.4.1 文本聚类算法分析 | 第38-39页 |
| 3.4.2 基于共词分析的突发词相似度计算 | 第39-40页 |
| 3.4.3 基于“绝对聚类”的微博话题聚类 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 微博突发话题情感分析 | 第42-57页 |
| 4.1 情感分析概述 | 第42-44页 |
| 4.2 中文微博情感词典的构造 | 第44-47页 |
| 4.2.1 基于开源情感词典构造基础情感词典 | 第44-45页 |
| 4.2.2 微博表情符号情感词典 | 第45-46页 |
| 4.2.3 微博网络用语情感词典 | 第46-47页 |
| 4.3 微博语句情感分析 | 第47-51页 |
| 4.3.1 子句的情感值计算 | 第47-48页 |
| 4.3.2 整句的情感值计算 | 第48-49页 |
| 4.3.3 相关词典的构造 | 第49-51页 |
| 4.4 结合用户影响因子的微博话题情感分析 | 第51-56页 |
| 4.4.1 微博用户属性特征分析 | 第52-53页 |
| 4.4.2 微博用户影响因子计算 | 第53-55页 |
| 4.4.3 微博话题情感分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 实验与分析 | 第57-64页 |
| 5.1 概述 | 第57页 |
| 5.2 各数据采集方案对比 | 第57-58页 |
| 5.3 话题发现实验分析 | 第58-62页 |
| 5.3.1 微博去噪方法有效性验证 | 第58-60页 |
| 5.3.2 话题抽取结果与分析 | 第60-62页 |
| 5.4 话题情感分析实验 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 不足和展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71页 |
