| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 国内外相关领域的研究与当前的应用现状 | 第9-11页 |
| 1.2.1 微博信息挖掘的研究与应用现状 | 第10页 |
| 1.2.2 社交网络舆情发现的研究与应用现状 | 第10-11页 |
| 1.3 论文的主要研究内容及组织结构 | 第11-12页 |
| 1.3.1 论文研究的内容 | 第11页 |
| 1.3.2 论文的组织结构 | 第11-12页 |
| 第2章 微博信息舆情挖掘相关理论研究 | 第12-25页 |
| 2.1 数据挖掘技术概述 | 第13-14页 |
| 2.2 WEB挖掘的理论研究 | 第14-16页 |
| 2.2.1 Web挖掘概述 | 第14页 |
| 2.2.2 Web结构挖掘 | 第14-15页 |
| 2.2.3 Web日志挖掘 | 第15页 |
| 2.2.4 Web内容挖掘 | 第15-16页 |
| 2.3 文本挖掘理论研究 | 第16-17页 |
| 2.3.1 文本挖掘概述 | 第16页 |
| 2.3.2 文本特征的建立方法 | 第16-17页 |
| 2.3.3 文本特征分析方法 | 第17页 |
| 2.3.4 文本分类方法 | 第17页 |
| 2.4 聚类分析的理论研究 | 第17-24页 |
| 2.4.1 聚类分析概述 | 第17-18页 |
| 2.4.2 基础聚类方法综述 | 第18-22页 |
| 2.4.3 聚类算法的相关评估 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于对象加权的微博信息聚类方法研究 | 第25-44页 |
| 3.1 微博信息的特点分析 | 第25-26页 |
| 3.2 WEB数据爬取方法概述 | 第26-27页 |
| 3.3 文本特征提取方法研究 | 第27-28页 |
| 3.3.1 名字特征提取 | 第27-28页 |
| 3.3.2 数字特征的提取与转换 | 第28页 |
| 3.4 主题（关键词）提取方法研究 | 第28-30页 |
| 3.5 社会网络分析方法研究 | 第30-35页 |
| 3.5.1 社交网络中心性研究 | 第30-33页 |
| 3.5.2 社交网络权威的相关研究 | 第33-35页 |
| 3.6 基于对象加权的文本聚类算法研究及其在微博舆情获取中的应用 | 第35-43页 |
| 3.6.1 PageRank算法 | 第35-37页 |
| 3.6.2 模糊c均值聚类算法 | 第37-39页 |
| 3.6.3 对象加权聚类算法研究 | 第39-43页 |
| 3.6.4 微博舆情获取方法 | 第43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 相关实验与算法性能分析 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 实验环境 | 第44页 |
| 4.3 实验测评数据 | 第44-45页 |
| 4.4 聚类结果的评价办法 | 第45-46页 |
| 4.5 测试结果与分析 | 第46-52页 |
| 4.5.1 WKM文本聚类算法效果评估 | 第46-49页 |
| 4.5.2 WFCM文本聚类算法效果评估 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61页 |