基于Hadoop平台的网络舆情分析系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国外、国内舆情理论研究现状 | 第11-13页 |
| 1.2.1 国外舆情理论研究现状 | 第11-12页 |
| 1.2.2 国内舆情理论研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 Hadoop 技术介绍 | 第16-22页 |
| 2.1 分布式文件系统 HDFS | 第16-17页 |
| 2.2 并行编程模型 MapReduce | 第17-20页 |
| 2.2.1 MapReduce 编程模型 | 第18页 |
| 2.2.2 MapReduce 执行流程 | 第18-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 系统总体设计 | 第22-26页 |
| 3.1 系统需求分析 | 第22页 |
| 3.2 系统设计目标 | 第22-24页 |
| 3.2.1 功能性目标 | 第23-24页 |
| 3.2.2 非功能性目标 | 第24页 |
| 3.3 本章小结 | 第24-26页 |
| 第4章 网络舆情分析系统的设计与实现 | 第26-48页 |
| 4.1 数据采集模块 | 第26-31页 |
| 4.1.1 新闻网站的数据采集 | 第27-30页 |
| 4.1.2 微博网站的数据采集 | 第30-31页 |
| 4.2 数据预处理模块 | 第31-32页 |
| 4.2.1 中文切分词 | 第31-32页 |
| 4.2.2 文本向量空间模型的建立 | 第32页 |
| 4.3 数据聚类模块 | 第32-42页 |
| 4.3.1 Kmeans 算法及其并行化实现 | 第34-38页 |
| 4.3.2 Canopy 聚类算法及其并行化实现 | 第38-40页 |
| 4.3.3 语义相似度及其实现 | 第40-42页 |
| 4.4 舆情分析模块 | 第42-47页 |
| 4.4.1 敏感话题检测 | 第42-43页 |
| 4.4.2 热点话题检测 | 第43-45页 |
| 4.4.3 内容倾向性检测 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实验与测试 | 第48-54页 |
| 5.1 系统部署 | 第48-50页 |
| 5.1.1 系统的硬件环境 | 第48-49页 |
| 5.1.2 系统的软件环境 | 第49-50页 |
| 5.2 实验结果与分析 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-62页 |
| 致谢 | 第62页 |
