基于微博情感分析的网络舆情热点发现模型研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景与意义 | 第8-9页 |
| ·研究现状 | 第9页 |
| ·论文的主要工作 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 相关工作和概念 | 第11-16页 |
| ·社会网络 | 第11-13页 |
| ·概念介绍 | 第11-12页 |
| ·特征分析 | 第12-13页 |
| ·网络舆情 | 第13-14页 |
| ·微博 | 第14-15页 |
| ·新浪微博简介 | 第14页 |
| ·新浪微博对网络舆情生成和传播的影响 | 第14-15页 |
| ·小结 | 第15-16页 |
| 第三章 基于微博情感分析的网络舆情热点发现模型 | 第16-41页 |
| ·基于微博情感分析的网络舆情热点发现模型的设计 | 第16-18页 |
| ·网络舆情监测系统 | 第16-17页 |
| ·基于微博情感分析的网络舆情热点发现模型 | 第17-18页 |
| ·数据采集与预处理 | 第18-20页 |
| ·数据采集 | 第18页 |
| ·数据预处理 | 第18-20页 |
| ·情感分析 | 第20-22页 |
| ·文本情感倾向性分析 | 第20-21页 |
| ·情感分类技术 | 第21-22页 |
| ·基于情感分析的分类算法 | 第22-26页 |
| ·朴素贝叶斯算法 | 第22-24页 |
| ·最大熵算法 | 第24-25页 |
| ·决策树算法 | 第25-26页 |
| ·基于改进朴素贝叶斯算法的情感分类器的构造 | 第26-30页 |
| ·情感语料自动标注 | 第26-28页 |
| ·情感分类器算法的选取 | 第28页 |
| ·基于EINB算法的情感分类器的构造 | 第28-30页 |
| ·网民心理特征分析 | 第30-31页 |
| ·微博热下的网民心态 | 第30-31页 |
| ·网民心态对微博发展的影响 | 第31页 |
| ·网络热点事件的检测方法 | 第31-35页 |
| ·微博数据量的分析 | 第31-34页 |
| ·基于孤立点的网络热点检测方法 | 第34-35页 |
| ·基于极度负向情感的网络热点事件检测 | 第35页 |
| ·基于词共现图的事件提取方法—WCG算法 | 第35-41页 |
| ·算法描述 | 第35-36页 |
| ·主题词抽取 | 第36-37页 |
| ·基于词共现图的方法发现网络热点事件 | 第37-39页 |
| ·WCG算法程序设计 | 第39-41页 |
| 第四章 实验 | 第41-49页 |
| ·实验数据 | 第41页 |
| ·实验平台 | 第41页 |
| ·情感分类的相关实验 | 第41-45页 |
| ·情感语料自动标注 | 第41-42页 |
| ·分类算法的选取与分类器的构造 | 第42-43页 |
| ·数据集的情感分类 | 第43-44页 |
| ·情感微博数据的二次处理 | 第44-45页 |
| ·WCG算法实验 | 第45-49页 |
| ·基于孤立点检测网络热点事件的实验 | 第45-47页 |
| ·基于极度负向情感的热点检测实验 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
