| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 食品安全网络舆情现状 | 第13-14页 |
| 1.2.2 话题检测与追踪研究现状 | 第14-16页 |
| 1.2.3 分布式框架研究现状 | 第16-17页 |
| 1.2.4 深度学习研究现状 | 第17-18页 |
| 1.2.5 文本聚类算法研究现状 | 第18-19页 |
| 1.3 本文的主要研究内容及组织结构 | 第19-21页 |
| 第二章 基于Storm分布式话题检测研究 | 第21-33页 |
| 2.1 Storm分布式框架研究 | 第21-22页 |
| 2.2 基于Storm分布式框架对Single-Pass聚类算法改进 | 第22-28页 |
| 2.2.1 文本向量化 | 第23-25页 |
| 2.2.2 文本相似度计算 | 第25-26页 |
| 2.2.3 话题检测过程 | 第26-27页 |
| 2.2.4 话题检测算法 | 第27-28页 |
| 2.3 实验 | 第28-32页 |
| 2.3.1 实验数据 | 第28页 |
| 2.3.2 实验环境与评测系统 | 第28-29页 |
| 2.3.3 实验结果与分析 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于自编码神经网络的话题检测研究 | 第33-39页 |
| 3.1 文本特征研究 | 第33页 |
| 3.2 自编码神经网络研究 | 第33-35页 |
| 3.2.1 自编码神经网络结构 | 第33-34页 |
| 3.2.2 基于自编码神经网络进行特征降维 | 第34-35页 |
| 3.3 边缘文本再处理 | 第35-37页 |
| 3.4 实验 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于Storm分布式食品安全网络舆情检测系统 | 第39-55页 |
| 4.1 系统特性 | 第39页 |
| 4.2 系统设计 | 第39-42页 |
| 4.2.1 整体架构 | 第39-40页 |
| 4.2.2 食品类别决策树 | 第40-42页 |
| 4.3 开发环境 | 第42-43页 |
| 4.4 系统实现 | 第43-52页 |
| 4.4.1 热点话题展示 | 第43-44页 |
| 4.4.2 话题信息采集来源展示 | 第44页 |
| 4.4.3 话题分布展示 | 第44-47页 |
| 4.4.4 话题类别展示 | 第47页 |
| 4.4.5 话题热词展示 | 第47-49页 |
| 4.4.6 话题基本信息展示 | 第49-51页 |
| 4.4.7 舆情信息关联匹配 | 第51-52页 |
| 4.5 本章小结 | 第52-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 5.1 本文结论 | 第55页 |
| 5.2 本文展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 研究成果及发表的学术论文 | 第63-65页 |
| 作者与导师简介 | 第65-67页 |
| 附件 | 第67-68页 |