| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外网络舆情理论研究现状 | 第14-15页 |
| 1.2.2 国内网络舆情理论研究现状 | 第15-17页 |
| 1.3 本文的主要内容和章节安排 | 第17-19页 |
| 第2章 相关技术理论及研究 | 第19-27页 |
| 2.1 网络舆情相关概述 | 第19-21页 |
| 2.1.1 网络舆情的定义 | 第19页 |
| 2.1.2 舆情监测与搜索引擎的区别 | 第19-21页 |
| 2.2 网络爬虫技术 | 第21-22页 |
| 2.3 数据挖掘算法 | 第22-25页 |
| 2.3.1 分类算法 | 第22-23页 |
| 2.3.2 聚类算法 | 第23-24页 |
| 2.3.3 关联分析 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 可更改策略的爬虫子系统 | 第27-38页 |
| 3.1 系统概述 | 第27-30页 |
| 3.1.1 整体架构 | 第28-29页 |
| 3.1.2 逻辑结构 | 第29-30页 |
| 3.2 可更改策略的爬虫子系统关键技术 | 第30-33页 |
| 3.2.1 URL过滤 | 第30页 |
| 3.2.2 URL判重 | 第30-31页 |
| 3.2.3 策略的更改 | 第31-33页 |
| 3.3 可更改策略的爬虫子系统模块设计 | 第33-37页 |
| 3.3.1 用户界面模块 | 第33-35页 |
| 3.3.2 主控机/爬虫机模块 | 第35-37页 |
| 3.3.3 处理器模块 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于内容特征的Web舆情算法研究 | 第38-57页 |
| 4.1 基于内容特征的Web舆情发现流程 | 第38-39页 |
| 4.2 基于两层结构的分类算法 | 第39-48页 |
| 4.2.1 特征选择与权重计算 | 第40-41页 |
| 4.2.2 Web信息分类模型建立 | 第41-43页 |
| 4.2.3 算法描述 | 第43-46页 |
| 4.2.4 算法特性分析 | 第46-47页 |
| 4.2.5 实验分析 | 第47-48页 |
| 4.3 基于数据划分的分裂式层次聚类算法 | 第48-56页 |
| 4.3.1 基于最大频繁词集的数据划分 | 第48-50页 |
| 4.3.2 分裂式层次聚类算法 | 第50-52页 |
| 4.3.3 关键模块设计 | 第52-54页 |
| 4.3.4 基于最大频繁词集方法在HADOOP平台上实现 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 Web网络舆情监控系统设计 | 第57-71页 |
| 5.1 系统的设计 | 第57-60页 |
| 5.1.1 系统的总体架构 | 第57-58页 |
| 5.1.2 系统功能设计 | 第58页 |
| 5.1.3 系统总体流程图 | 第58-60页 |
| 5.1.4 系统模块划分 | 第60页 |
| 5.2 舆情信息采集模块 | 第60-64页 |
| 5.2.1 网页处理 | 第61-62页 |
| 5.2.2 文本处理 | 第62-64页 |
| 5.2.3 文档分类、聚类 | 第64页 |
| 5.3 舆情分析模块 | 第64-67页 |
| 5.3.1 情感分析 | 第65页 |
| 5.3.2 趋势分析 | 第65页 |
| 5.3.3 热点追踪 | 第65-67页 |
| 5.4 系统实验分析 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 1.全文总结 | 第71-72页 |
| 2.未来进一步工作 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |