| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 网络舆情分析研究现状 | 第8-10页 |
| 1.2.1 国外研究现状 | 第9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 研究内容和研究目标 | 第10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 相关理论与关键技术 | 第12-25页 |
| 2.1 网络舆情与意见挖掘的理论模型 | 第12-15页 |
| 2.1.1 网络舆情的定义 | 第12-13页 |
| 2.1.2 意见挖掘的定义 | 第13-14页 |
| 2.1.3 校园舆情分析中的意见挖掘技术 | 第14-15页 |
| 2.2 文本建模 | 第15-18页 |
| 2.2.1 文本表示模型 | 第15-16页 |
| 2.2.2 文本特征选择方法 | 第16-18页 |
| 2.3 文本倾向性分析算法 | 第18-21页 |
| 2.3.1 朴素贝叶斯 | 第19页 |
| 2.3.2 K-最邻近 | 第19-20页 |
| 2.3.3 支持向量机 | 第20-21页 |
| 2.4 意见领袖识别算法 | 第21-24页 |
| 2.4.1 PageRank算法 | 第22-23页 |
| 2.4.2 HITS算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于情感表达特征的文本倾向性分析 | 第25-32页 |
| 3.1 文本预处理 | 第25-29页 |
| 3.1.1 断句 | 第26页 |
| 3.1.2 词典构建 | 第26-28页 |
| 3.1.3 中文分词 | 第28-29页 |
| 3.2 文本特征选择 | 第29-31页 |
| 3.2.1 Bi-gram和情感短语特征 | 第29页 |
| 3.2.2 标点符号特征 | 第29-30页 |
| 3.2.3 表情符号特征 | 第30-31页 |
| 3.3 基于SVM的情感倾向性分析 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于用户特征与交互网络的意见领袖识别 | 第32-37页 |
| 4.1 用户特征权重计算 | 第32-35页 |
| 4.1.1 用户特征分析 | 第32-33页 |
| 4.1.2 用户特征定量化 | 第33-35页 |
| 4.2 意见领袖识别 | 第35-36页 |
| 4.2.1 构建用户交互网络 | 第35页 |
| 4.2.2 基于交互行为的情感倾向性分析 | 第35页 |
| 4.2.3 基于HITS_FEATURE的意见领袖识别 | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第五章 实验结果及分析 | 第37-47页 |
| 5.1 实验数据介绍 | 第37-38页 |
| 5.2 实验工具介绍 | 第38页 |
| 5.3 实验性能评估指标 | 第38-40页 |
| 5.3.1 基于情感表达特征的文本倾向性分析评估 | 第38-39页 |
| 5.3.2 基于用户特征与交互网络的意见领袖识别评估 | 第39-40页 |
| 5.4 实验设计与结果分析 | 第40-46页 |
| 5.4.1 基于情感表达特征的文本倾向性分析 | 第40-42页 |
| 5.4.2 基于用户特征与交互网络的意见领袖识别 | 第42-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 论文主要工作总结 | 第47页 |
| 6.2 后续工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |