基于信访数据的定量化缠访因素分析方法及系统开发
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 缠访行为研究现状 | 第12-13页 |
| 1.2.2 数据挖掘研究现状 | 第13-14页 |
| 1.2.3 聚类分析研究现状 | 第14-16页 |
| 1.2.4 LDA文本主题挖掘模型研究现状 | 第16-17页 |
| 1.3 研究目标 | 第17页 |
| 1.4 研究内容与框架 | 第17-19页 |
| 1.5 研究方法 | 第19页 |
| 1.6 本章小结 | 第19-20页 |
| 第二章 基于LDA的信访文本主题挖掘技术研究 | 第20-32页 |
| 2.1 文本主题挖掘技术概述 | 第20-23页 |
| 2.1.1 文本数据预处理 | 第20-21页 |
| 2.1.2 文本数据特征表示 | 第21页 |
| 2.1.3 LDA模型理论基础 | 第21-23页 |
| 2.2 LDA主题数选择方法改进 | 第23-25页 |
| 2.2.1 传统LDA主题数选择方法 | 第23-24页 |
| 2.2.2 改进主题数选择方法 | 第24-25页 |
| 2.3 实验验证 | 第25-30页 |
| 2.3.1 实验性能评价指标 | 第25-26页 |
| 2.3.2 实验方案设计 | 第26-28页 |
| 2.3.3 实验结果分析 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 面向信访事项的K-means聚类方法研究 | 第32-43页 |
| 3.1 K-means聚类算法的改进 | 第32-34页 |
| 3.1.1 K-means算法及局限性 | 第32-33页 |
| 3.1.2 WOE理论优势分析 | 第33页 |
| 3.1.3 改进算法的思想 | 第33-34页 |
| 3.2 信访数据聚类有效性评价方法 | 第34-36页 |
| 3.2.1 聚类有效性常用评价方法 | 第34-35页 |
| 3.2.2 信访数据聚类模型评估方法 | 第35-36页 |
| 3.3 信访数据属性选择方法 | 第36-37页 |
| 3.3.1 属性选择常用方法 | 第36页 |
| 3.3.2 信访数据的属性选择方法 | 第36-37页 |
| 3.4 实验验证 | 第37-42页 |
| 3.4.1 实验性能评价指标 | 第37页 |
| 3.4.2 测试数据集选择 | 第37-38页 |
| 3.4.3 实验过程 | 第38-40页 |
| 3.4.4 实验结果分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 X省土地信访基本调查 | 第43-51页 |
| 4.1 X省土地信访调研 | 第43-44页 |
| 4.1.1 调研内容 | 第43页 |
| 4.1.2 数据收集情况 | 第43-44页 |
| 4.2 信访数据预处理 | 第44-47页 |
| 4.2.1 信访数据清洗 | 第44-45页 |
| 4.2.2 信访数据变换 | 第45-46页 |
| 4.2.3 信访数据表单构建 | 第46-47页 |
| 4.3 缠访定义及其属性构造 | 第47-49页 |
| 4.3.1 缠访定义 | 第47-48页 |
| 4.3.2 缠访属性构造 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 X省土地信访缠访因素分析 | 第51-63页 |
| 5.1 信访事项主题挖掘 | 第51-53页 |
| 5.1.1 信访文本数据抓取 | 第51页 |
| 5.1.2 信访文本数据预处理 | 第51-52页 |
| 5.1.3 信访主题挖掘 | 第52-53页 |
| 5.1.4 信访主题挖掘结果展示与降维 | 第53页 |
| 5.2 信访事项聚类分析 | 第53-60页 |
| 5.2.1 信访数据抽样 | 第54页 |
| 5.2.2 信访属性WOE值计算 | 第54页 |
| 5.2.3 信访属性规约及相关分析 | 第54-56页 |
| 5.2.4 信访属性选择 | 第56页 |
| 5.2.5 模型参数确定 | 第56-57页 |
| 5.2.6 模型训练与结果分析 | 第57-59页 |
| 5.2.7 模型评估 | 第59-60页 |
| 5.3 缠访因素分析 | 第60-61页 |
| 5.4 预防策略 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 缠访因素挖掘系统设计及实现 | 第63-81页 |
| 6.1 缠访因素挖掘系统整体架构 | 第63页 |
| 6.2 信访文本主题挖掘模块功能 | 第63-66页 |
| 6.2.1 文本数据抓取节点 | 第64-65页 |
| 6.2.2 文本预处理节点 | 第65页 |
| 6.2.3 主题挖掘节点 | 第65-66页 |
| 6.2.4 挖掘结果处理节点 | 第66页 |
| 6.3 信访数据预处理模块功能 | 第66-69页 |
| 6.3.1 数据抽取节点 | 第67-68页 |
| 6.3.2 数据转换节点 | 第68-69页 |
| 6.3.3 数据加载节点 | 第69页 |
| 6.4 信访数据聚类分析模块功能 | 第69-71页 |
| 6.4.1 数据抽样节点 | 第70页 |
| 6.4.2 属性分析节点 | 第70-71页 |
| 6.4.3 改进聚类算法建模节点 | 第71页 |
| 6.4.4 模型解释和评估节点 | 第71页 |
| 6.5 缠访因素挖掘系统的实现 | 第71-80页 |
| 6.5.1 文本主题挖掘模块的实现 | 第71-75页 |
| 6.5.2 数据预处理模块的实现 | 第75-77页 |
| 6.5.3 聚类分析模块的实现 | 第77-80页 |
| 6.6 本章小结 | 第80-81页 |
| 第七章 研究结论与研究展望 | 第81-85页 |
| 7.1 研究结论 | 第81-83页 |
| 7.2 创新点与不足之处 | 第83-84页 |
| 7.2.1 本文创新点 | 第83-84页 |
| 7.2.2 本文的不足之处 | 第84页 |
| 7.3 研究展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 附录 | 第90-94页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第94-95页 |
| 致谢 | 第95-96页 |
| 附件 | 第96页 |
