基于趋势分析的网络舆情监控系统（TANCMS）的研究与实现
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| ·舆情监控的必要性和作用 | 第12-13页 |
| ·国内外现状分析 | 第13-14页 |
| ·选题依据及主要内容 | 第14-16页 |
| ·课题的选题依据 | 第14-15页 |
| ·本文的主要内容 | 第15-16页 |
| 第二章 网络舆情监控相关技术研究综述 | 第16-20页 |
| 第三章 网络舆情监控系统设计 | 第20-46页 |
| ·体系架构设计 | 第20-22页 |
| ·数据接入层设计 | 第22-27页 |
| ·传输机制 | 第23-24页 |
| ·存储格式 | 第24-25页 |
| ·安全机制 | 第25-27页 |
| ·信息预处理层设计 | 第27-29页 |
| ·中文分词 | 第27-28页 |
| ·排重去噪 | 第28-29页 |
| ·信息摘要 | 第29页 |
| ·趋势分析层设计 | 第29-33页 |
| ·自动分类 | 第29-31页 |
| ·自动聚类 | 第31-32页 |
| ·统计预测 | 第32-33页 |
| ·应用层设计 | 第33-45页 |
| ·查询检索 | 第33-36页 |
| ·信息核查 | 第36-41页 |
| ·系统管理 | 第41-43页 |
| ·接口 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 趋势分析关键技术的研究与实现 | 第46-71页 |
| ·网页去噪技术 | 第46-52页 |
| ·网页内容结构表示 | 第47-48页 |
| ·网页文本量化表示 | 第48-50页 |
| ·算法描述 | 第50-52页 |
| ·智能搜索技术 | 第52-58页 |
| ·智能检索概述 | 第52-54页 |
| ·搜索流程 | 第54-56页 |
| ·性能测试 | 第56-58页 |
| ·自学习分类技术 | 第58-63页 |
| ·SVM-KNN 分类器算法 | 第59-61页 |
| ·自学习模块 | 第61-62页 |
| ·性能测试 | 第62-63页 |
| ·聚类分析技术 | 第63-70页 |
| ·改进的K-Means 算法 | 第64-65页 |
| ·聚类算法应用调整 | 第65-66页 |
| ·聚类结果的趋势分析 | 第66-69页 |
| ·性能对比 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 TANCMS 应用 | 第71-80页 |
| ·舆情信息监控 | 第71-74页 |
| ·新闻监控 | 第71-72页 |
| ·论坛监控 | 第72-73页 |
| ·多媒体信息监控 | 第73-74页 |
| ·舆情趋势分析 | 第74-75页 |
| ·信息趋势图 | 第74页 |
| ·信息岛图 | 第74-75页 |
| ·舆情信息智能分类 | 第75-76页 |
| ·舆情热点自动发现 | 第76页 |
| ·敏感信息统计 | 第76-79页 |
| ·元搜索 | 第79页 |
| ·本章小结 | 第79-80页 |
| 第六章 结束语 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 作者在学期间取得的学术成果 | 第86页 |
