| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 文本挖掘技术研究现状 | 第9-10页 |
| 1.2.2 舆情研究现状 | 第10-11页 |
| 1.2.3 交通舆情研究现状 | 第11-12页 |
| 1.2.4 国内外研究现状总结 | 第12页 |
| 1.3 研究目的及意义 | 第12页 |
| 1.4 研究内容与技术路线 | 第12-15页 |
| 1.4.1 研究内容 | 第12-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 第二章 文本挖掘模型 | 第15-31页 |
| 2.1 SVM分类模型 | 第15-24页 |
| 2.1.1 SVM基本理论 | 第15-22页 |
| 2.1.2 关键参数设置 | 第22-24页 |
| 2.2 关联规则模型 | 第24-28页 |
| 2.2.1 布尔关联规则的基本模型 | 第24-25页 |
| 2.2.2 Apriori算法 | 第25-28页 |
| 2.3 对应分析 | 第28-29页 |
| 2.3.1 相关概念 | 第28-29页 |
| 2.3.2 对应分析基本理论 | 第29页 |
| 2.4 共现网络分析方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 舆情数据来源及初步分析 | 第31-48页 |
| 3.1 交通舆情数据来源 | 第31-32页 |
| 3.2 数据预处理 | 第32-34页 |
| 3.3 词频分析 | 第34-39页 |
| 3.3.1 姑苏区投诉词频 | 第34-35页 |
| 3.3.2 高新区投诉词频 | 第35-38页 |
| 3.3.3 微信路况舆情词频 | 第38-39页 |
| 3.4 发布舆情的用户特性分析 | 第39-46页 |
| 3.4.1 姑苏区用户投诉特性 | 第39-43页 |
| 3.4.2 高新区用户投诉特性 | 第43-45页 |
| 3.4.3 微信用户分享路况特性 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于SVM的交通舆情分析 | 第48-57页 |
| 4.1 投诉舆情分类及对应分析 | 第48-53页 |
| 4.1.1 SVM分类器构建 | 第48-49页 |
| 4.1.2 分类预测 | 第49-50页 |
| 4.1.3 不同性质投诉舆情对应分析 | 第50-53页 |
| 4.2 路况舆情分类及早、晚高峰拥堵分析 | 第53-55页 |
| 4.2.1 路况信息分类 | 第53页 |
| 4.2.2 基于共现网络的早、晚高峰拥堵分析 | 第53-55页 |
| 4.3 不同来源舆情差异分析 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 基于APRIORI算法的投诉舆情关联规则挖掘 | 第57-68页 |
| 5.1 姑苏区投诉舆情分析 | 第57-62页 |
| 5.1.1 人民路关联规则 | 第57-58页 |
| 5.1.2 人民路不同施工阶段舆情共现网络分析 | 第58-60页 |
| 5.1.3 其他热点道路、地物关联性分析 | 第60-62页 |
| 5.2 高新区投诉舆情关联分析 | 第62-67页 |
| 5.2.1 热点道路投诉关联性 | 第62-66页 |
| 5.2.2 热点地物关联性分析 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-71页 |
| 6.1 结论 | 第68-69页 |
| 6.2 创新点总结 | 第69页 |
| 6.3 展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士期间发表的论文 | 第76-77页 |
| 附录 | 第77-79页 |
| 致谢 | 第79-80页 |