网络舆情文本分类系统研究与开发
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.1.1 网络舆情特点 | 第11-12页 |
| 1.1.2 目前监测面临的挑战 | 第12页 |
| 1.2 国内外发展现状 | 第12-14页 |
| 1.2.1 短文本特征选择算法 | 第12-13页 |
| 1.2.2 文本分类技术 | 第13-14页 |
| 1.3 本文研究内容与组织结构 | 第14-16页 |
| 第二章 相关理论与技术基础 | 第16-26页 |
| 2.1 文本预处理技术 | 第16-18页 |
| 2.1.1 中文分词技术 | 第16-17页 |
| 2.1.2 文本表示 | 第17-18页 |
| 2.2 特征选择 | 第18-21页 |
| 2.2.1 文档频率 | 第18-19页 |
| 2.2.2 互信息 | 第19页 |
| 2.2.3 信息增益 | 第19-20页 |
| 2.2.4 CHI统计 | 第20-21页 |
| 2.3 文本分类 | 第21-24页 |
| 2.3.1 朴素贝叶斯 | 第21页 |
| 2.3.2 支持向量机 | 第21-22页 |
| 2.3.3 决策树 | 第22-24页 |
| 2.4 数据库与WEB端技术 | 第24-25页 |
| 2.4.1 Mongo DB数据库 | 第24页 |
| 2.4.2 WEB端技术 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 网络舆情文本分类系统的关键技术研究 | 第26-34页 |
| 3.1 针对长文本相关算法的研究 | 第26-29页 |
| 3.1.1 针对长文本的特征选择算法研究 | 第26-28页 |
| 3.1.2 针对长文本的文本分类算法研究 | 第28-29页 |
| 3.2 针对短文本相关算法的研究 | 第29-31页 |
| 3.2.1 短文本下的特征选择算法 | 第29-31页 |
| 3.2.2 短文本的分类难点 | 第31页 |
| 3.3 改进的短文本分类方法 | 第31-33页 |
| 3.3.1 word2vec介绍 | 第31-32页 |
| 3.3.2 特征项的拓展 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 网络舆情文本分类系统总体设计 | 第34-42页 |
| 4.1 设计目标 | 第34页 |
| 4.2 系统总体结构 | 第34-36页 |
| 4.2.1 系统架构 | 第34-35页 |
| 4.2.2 文本分类运行流程 | 第35-36页 |
| 4.3 系统各功能模块设计 | 第36-41页 |
| 4.3.1 信息采集层 | 第36-37页 |
| 4.3.2 自动分类层 | 第37-40页 |
| 4.3.3 显示数据层 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 网络舆情文本分类系统详细设计与实现 | 第42-61页 |
| 5.1 数据库设计 | 第42-45页 |
| 5.2 预处理模块 | 第45-49页 |
| 5.2.1 分词模块的实现 | 第45-48页 |
| 5.2.2 词频统计的实现 | 第48-49页 |
| 5.3 特征选择模块 | 第49-53页 |
| 5.3.1 互信息算法的实现 | 第49页 |
| 5.3.2 CHI统计的实现 | 第49-50页 |
| 5.3.3 信息增益算法的实现 | 第50-52页 |
| 5.3.4 特征项拓展的实现 | 第52-53页 |
| 5.4 文本分类模块 | 第53-55页 |
| 5.4.1 朴素贝叶斯的实现 | 第53-54页 |
| 5.4.2 SVM的实现 | 第54-55页 |
| 5.5 交互功能模块 | 第55-59页 |
| 5.5.1 Web后台与数据库交互实现 | 第55-56页 |
| 5.5.2 Web前后台交互的实现 | 第56-58页 |
| 5.5.3 指令系统 | 第58-59页 |
| 5.6 本章小结 | 第59-61页 |
| 第六章 系统展示与测试 | 第61-69页 |
| 6.1 系统运行环境 | 第61页 |
| 6.2 系统界面展示 | 第61-67页 |
| 6.2.1 管理员界面 | 第62-65页 |
| 6.2.2 用户界面 | 第65-67页 |
| 6.3 测试结果与分析 | 第67-69页 |
| 第七章 总结与展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 攻硕期间取得的研究成果 | 第73-74页 |
