面向事件群的网络舆情预警方法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.3 本文的研究内容与结构安排 | 第13-14页 |
第二章 相关技术及理论概述 | 第14-23页 |
2.1 网络舆情分析技术 | 第14-16页 |
2.1.1 文本预处理技术 | 第14-15页 |
2.1.2 文本分类、聚类 | 第15-16页 |
2.2 趋势预测方法 | 第16-19页 |
2.2.1 BP神经网络算法 | 第16-17页 |
2.2.2 时间序列算法 | 第17-18页 |
2.2.3 灰色预测模型 | 第18-19页 |
2.3 网络舆情预警方法 | 第19-20页 |
2.3.1 网络舆情威胁评估模型 | 第19页 |
2.3.2 网络舆情预警指标体系 | 第19-20页 |
2.4 模糊集理论 | 第20-22页 |
2.4.1 直觉模糊集相关理论 | 第20-22页 |
2.4.2 直觉模糊推理 | 第22页 |
2.5 本章小结 | 第22-23页 |
第三章 基于EKSC算法的网络舆情热度预测方法 | 第23-35页 |
3.1 问题引入 | 第23-24页 |
3.2 相关概念 | 第24-25页 |
3.3 基于EKSC算法的网络事件热度预测方法 | 第25-30页 |
3.3.1 KSC算法 | 第25-26页 |
3.3.2 EKSC算法 | 第26-28页 |
3.3.3 基于EKSC算法的网络事件热度预测 | 第28-30页 |
3.4 实验 | 第30-33页 |
3.4.1 实验数据及环境 | 第30页 |
3.4.2 评价指标 | 第30-31页 |
3.4.3 实验结果与分析 | 第31-33页 |
3.5 本章小结 | 第33-35页 |
第四章 面向事件群的网络舆情预警方法 | 第35-53页 |
4.1 问题引入 | 第35-36页 |
4.2 事件关联要素和影响指数 | 第36-37页 |
4.2.1 事件关联要素 | 第36页 |
4.2.2 事件关联影响指数 | 第36-37页 |
4.3 面向事件群的网络舆情预警指标体系构建 | 第37-41页 |
4.3.1 舆情主题重要性 | 第38页 |
4.3.2 舆情关联热度 | 第38-39页 |
4.3.3 舆情强度 | 第39-40页 |
4.3.4 舆情传播特性 | 第40-41页 |
4.4 事件群的舆情预警方法 | 第41-45页 |
4.4.1 基于犹豫度的事件舆情预警等级评估 | 第42-43页 |
4.4.2 舆情事件恶化速度评估 | 第43-44页 |
4.4.3 面向事件群的舆情预警方法 | 第44-45页 |
4.5 实验 | 第45-52页 |
4.5.1 实验数据及环境 | 第45-47页 |
4.5.2 评价指标 | 第47页 |
4.5.3 实验结果与分析 | 第47-52页 |
4.6 本章小结 | 第52-53页 |
第五章 总结与展望 | 第53-55页 |
5.1 总结 | 第53-54页 |
5.2 展望 | 第54-55页 |
参考文献 | 第55-59页 |
攻读硕士期间的研究成果 | 第59-60页 |
致谢 | 第60页 |