微博舆情分析系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与选题意义 | 第9-12页 |
| 1.1.1 微博的发展现状 | 第9-10页 |
| 1.1.2 微博的特点 | 第10-11页 |
| 1.1.3 微博舆情分析的意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国内的研究现状 | 第12页 |
| 1.2.2 国外的研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 微博舆情分析相关技术 | 第15-33页 |
| 2.1 微博数据采集技术 | 第15-19页 |
| 2.1.1 网络爬虫 | 第15-17页 |
| 2.1.2 微博API | 第17-19页 |
| 2.2 微博文本预处理技术 | 第19-29页 |
| 2.2.1 中文文本分词 | 第19-20页 |
| 2.2.2 文本去停用词 | 第20-21页 |
| 2.2.3 文本表示模型 | 第21-23页 |
| 2.2.4 文本特征选择 | 第23-26页 |
| 2.2.5 文本特征抽取 | 第26-29页 |
| 2.3 微博文本分析技术 | 第29-32页 |
| 2.3.1 文本相似性度量 | 第29-30页 |
| 2.3.2 文本聚类技术 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 微博舆情分析系统的设计 | 第33-50页 |
| 3.1 微博舆情分析系统的整体设计 | 第33-35页 |
| 3.1.1 微博舆情分析系统的处理流程 | 第33-34页 |
| 3.1.2 微博舆情分析系统的组织架构 | 第34-35页 |
| 3.2 微博数据采集方案 | 第35-40页 |
| 3.2.1 微博数据采集方法 | 第35-36页 |
| 3.2.2 微博API获取数据 | 第36-39页 |
| 3.2.3 微博数据过滤与提取 | 第39-40页 |
| 3.3 微博文本预处理方案 | 第40-46页 |
| 3.3.1 微博文本分词 | 第40-41页 |
| 3.3.2 微博停用词过滤 | 第41-42页 |
| 3.3.3 微博文本主题建模 | 第42-46页 |
| 3.4 微博文本分析方案 | 第46-48页 |
| 3.4.1 微博文本相似性度量 | 第46页 |
| 3.4.2 微博文本聚类分析 | 第46-48页 |
| 3.5 微博舆情提取方案 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 微博舆情分析系统的实现 | 第50-68页 |
| 4.1 微博舆情分析系统开发环境 | 第50-51页 |
| 4.2 微博数据采集模块 | 第51-55页 |
| 4.3 微博文本预处理模块 | 第55-62页 |
| 4.4 微博文本分析模块 | 第62-65页 |
| 4.5 微博舆情提取模块 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 微博舆情分析系统的检测 | 第68-76页 |
| 5.1 微博舆情分析系统测试环境 | 第68页 |
| 5.2 微博舆情分析系统运行与测试 | 第68-74页 |
| 5.3 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 本文总结 | 第76-77页 |
| 6.2 未来展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |
