面向专题应用的开源情报挖掘系统研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略词表 | 第13-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 本文研究背景 | 第15-16页 |
| 1.2 国内外相关研究历史与现状 | 第16-19页 |
| 1.2.1 开源情报研究历史与现状 | 第16-17页 |
| 1.2.2 文本挖掘研究历史与现状 | 第17-19页 |
| 1.3 本文主要工作与结构 | 第19-21页 |
| 1.3.1 本文主要工作 | 第19-20页 |
| 1.3.2 本文组织结构 | 第20-21页 |
| 第二章 开源情报挖掘相关技术概述 | 第21-34页 |
| 2.1 网络爬虫技术 | 第21-25页 |
| 2.1.1 网络爬虫原理 | 第21-23页 |
| 2.1.2 网络爬虫相关工具介绍 | 第23页 |
| 2.1.3 Scrapy框架介绍 | 第23-25页 |
| 2.2 文本处理相关技术 | 第25-27页 |
| 2.2.1 文本处理基本流程 | 第25页 |
| 2.2.2 文本分词技术 | 第25-26页 |
| 2.2.3 文本集缩减 | 第26页 |
| 2.2.4 文本向量空间模型 | 第26-27页 |
| 2.2.5 文本相似度计算 | 第27页 |
| 2.3 聚类算法 | 第27-29页 |
| 2.3.1 聚类的基本概念 | 第27-28页 |
| 2.3.2 聚类算法的类别 | 第28-29页 |
| 2.4 No SQL技术 | 第29-33页 |
| 2.4.1 No SQL简介 | 第29页 |
| 2.4.2 No SQL技术架构 | 第29-31页 |
| 2.4.3 Mongo DB数据库简介 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于LDA模型的文本特征表示方法 | 第34-45页 |
| 3.1 传统文本特征表示方法 | 第34-35页 |
| 3.1.1 TF-IDF算法 | 第34-35页 |
| 3.1.2 传统方法的不足 | 第35页 |
| 3.2 基于LDA的文本特征表示模型 | 第35-39页 |
| 3.2.1 LDA模型简介 | 第35-37页 |
| 3.2.2 Gibbs抽样算法 | 第37-38页 |
| 3.2.3 在主题空间中计算文档相似度 | 第38-39页 |
| 3.3 实验仿真与分析 | 第39-44页 |
| 3.3.1 实验过程 | 第39-40页 |
| 3.3.2 实验效果评价方法 | 第40-42页 |
| 3.3.3 实验结果与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 文本处理算法在情报分析中的应用 | 第45-61页 |
| 4.1 情报要素提取方法 | 第45-53页 |
| 4.1.1 情报要素 | 第45-46页 |
| 4.1.2 正则表达式抽取情报要素 | 第46-48页 |
| 4.1.3 词性标注方法抽取情报要素 | 第48-49页 |
| 4.1.4 情报要素提取实验分析 | 第49-53页 |
| 4.2 情报文本聚类算法 | 第53-59页 |
| 4.2.1 k-means聚类算法 | 第53-55页 |
| 4.2.2 Single-Pass聚类算法 | 第55-57页 |
| 4.2.3 算法改进策略 | 第57页 |
| 4.2.4 情报聚类实验分析 | 第57-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第五章 面向军事应用的开源情报挖掘系统设计与实现 | 第61-75页 |
| 5.1 系统功能概述与总体设计 | 第61-64页 |
| 5.1.1 系统功能概述 | 第61-63页 |
| 5.1.2 系统总体结构 | 第63-64页 |
| 5.2 面向军事应用的开源情报挖掘系统实现 | 第64-74页 |
| 5.2.1 系统主要软硬件及配置 | 第64页 |
| 5.2.2 情报采集功能实现 | 第64-68页 |
| 5.2.3 情报存储功能实现 | 第68-71页 |
| 5.2.4 情报处理功能实现 | 第71-72页 |
| 5.2.5 系统运行测试 | 第72-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 结束语 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |
