| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题名称和背景及研究目的和意义 | 第9-10页 |
| 1.2 与本课题相关的国外研究状况 | 第10-12页 |
| 1.2.1 互联网社交媒体发展过程和现状 | 第10-11页 |
| 1.2.2 国外社交媒体分析的研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-15页 |
| 第2章 实时社交媒体分析需求与相关技术 | 第15-26页 |
| 2.1 应用场景分析 | 第15-16页 |
| 2.2 需求分析 | 第16-19页 |
| 2.2.1 功能需求 | 第16-17页 |
| 2.2.2 非功能需求 | 第17-19页 |
| 2.3 相关技术 | 第19-25页 |
| 2.3.1 流计算技术和 Twitte r Storm 流数据处理 | 第19-22页 |
| 2.3.2 基于 Python NLTK 的短文本分析和情感分析 | 第22-24页 |
| 2.3.3 Twitte r Streaming API 技术 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 实时社交媒体分析系统的设计 | 第26-45页 |
| 3.1 系统总体设计 | 第26-27页 |
| 3.2 模块划分和各模块设计 | 第27-43页 |
| 3.2.1 系统模块划分 | 第27-28页 |
| 3.2.2 Twitte r Streaming API 适配模块 | 第28-31页 |
| 3.2.3 流计算和短文本分析模块 | 第31-33页 |
| 3.2.4 数据维护模块 | 第33-34页 |
| 3.2.5 网络结构分析模块 | 第34-41页 |
| 3.2.6 内容推送模块 | 第41-43页 |
| 3.2.7 配置模块和日志模块 | 第43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 实时社交媒体分析系统的实现 | 第45-61页 |
| 4.1 Twitte r Streaming API 适配模块 | 第45-47页 |
| 4.2 流计算和短文本分析模块 | 第47-51页 |
| 4.2.1 关键字名词抽取 | 第47-49页 |
| 4.2.2 情感分析 | 第49-51页 |
| 4.3 网络结构分析模块 | 第51-54页 |
| 4.3.1 节点相似度计算方法 | 第51-52页 |
| 4.3.2 社群划分方法 | 第52-54页 |
| 4.4 数据维护模块 | 第54页 |
| 4.5 内容推送模块 | 第54-58页 |
| 4.6 配置模块 | 第58-59页 |
| 4.7 日志模块 | 第59-60页 |
| 4.8 本章小结 | 第60-61页 |
| 第5章 实时社交媒体分析系统的测试 | 第61-67页 |
| 5.1 系统测试目标与测试方法 | 第61页 |
| 5.2 测试环境说明 | 第61-62页 |
| 5.3 系统功能测试 | 第62-65页 |
| 5.4 系统性能测试 | 第65-66页 |
| 5.5 测试结果分析 | 第66页 |
| 5.6 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
