| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 1.5 论文的组织结构 | 第13-14页 |
| 第二章 相关理论和技术概述 | 第14-23页 |
| 2.1 Hadoop云平台及相关技术 | 第14-19页 |
| 2.1.1 Hadoop平台 | 第14-16页 |
| 2.1.2 MapReduce分布式编程框架 | 第16-17页 |
| 2.1.3 HDFS分布式文件系统 | 第17-19页 |
| 2.2 文本挖掘 | 第19-23页 |
| 2.2.1 文本挖掘的概念 | 第20页 |
| 2.2.2 文本挖掘相关技术 | 第20-21页 |
| 2.2.3 应用领域 | 第21-23页 |
| 第三章 网络舆情热点发现研究 | 第23-47页 |
| 3.1 网络舆情数据的特点 | 第23-24页 |
| 3.2 网络舆情热点发现研究 | 第24-29页 |
| 3.2.1 数据采集 | 第24-25页 |
| 3.2.2 数据预处理 | 第25-26页 |
| 3.2.3 数据处理 | 第26-28页 |
| 3.2.4 数据后处理 | 第28-29页 |
| 3.3 网络舆情热点发现实例分析 | 第29-47页 |
| 3.3.1 语料和实验环境 | 第29-30页 |
| 3.3.2 实例分析 | 第30-47页 |
| 第四章 基于语义特征项频率的舆情短文本表示模型降维方法研究 | 第47-63页 |
| 4.1 短文本表示及数据降维 | 第47-49页 |
| 4.1.1 文本表示 | 第48页 |
| 4.1.2 特征选择 | 第48-49页 |
| 4.1.3 特征向量空间降维 | 第49页 |
| 4.2 基于语义特征项频率的降维方法 | 第49-57页 |
| 4.2.1 基于语义相似度的特征项单遍聚类算法 | 第50-53页 |
| 4.2.2 基于语义特征项频率的短文本表示模型降维方法 | 第53-55页 |
| 4.2.3 实例分析 | 第55-57页 |
| 4.3 实验结果 | 第57-63页 |
| 4.3.0 数据及实验方法 | 第57-58页 |
| 4.3.1 实验结果及实验分析 | 第58-62页 |
| 4.3.2 实验结论 | 第62-63页 |
| 第五章 基于改进Single-Pass的聚类算法研究 | 第63-76页 |
| 5.1 基于改进SinglePass算法的短文本增量聚类的研究 | 第63-69页 |
| 5.1.1 算法描述 | 第63-68页 |
| 5.1.2 实验分析 | 第68-69页 |
| 5.2 网络舆情热度分析 | 第69-76页 |
| 5.2.1 算法描述 | 第70-72页 |
| 5.2.2 实验分析 | 第72-76页 |
| 第六章 基于云计算的网络舆情热点发现实验分析 | 第76-86页 |
| 6.1 实验设计 | 第76-80页 |
| 6.1.1 中文分词及特征提取 | 第76-77页 |
| 6.1.2 聚类分析 | 第77-80页 |
| 6.2 实验环境和数据集 | 第80-81页 |
| 6.2.1 实验环境 | 第80页 |
| 6.2.2 实验数据集 | 第80-81页 |
| 6.3 实验结果与分析 | 第81-86页 |
| 6.3.1 改进算法求解质量分析 | 第81-83页 |
| 6.3.2 改进算法求解效率分析 | 第83-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间发表的学术论文及取得的科研成果 | 第93页 |
