突发事件网络舆情的情感倾向及演化分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景和研究目的与意义 | 第9-11页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及评述 | 第11-14页 |
| 1.2.1 网络舆情 | 第11-12页 |
| 1.2.2 突发事件 | 第12-13页 |
| 1.2.3 情感倾向分析 | 第13-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 网络舆情分析的理论与方法 | 第16-28页 |
| 2.1 突发事件 | 第16-17页 |
| 2.1.1 突发事件的类型 | 第16页 |
| 2.1.2 突发事件的特点 | 第16-17页 |
| 2.2 网络舆情 | 第17-19页 |
| 2.2.1 网络舆情的形成与发展 | 第17页 |
| 2.2.2 网络舆情的传播 | 第17-18页 |
| 2.2.3 基于文本的网络舆情分析 | 第18-19页 |
| 2.2.4 突发事件网络舆情的特点 | 第19页 |
| 2.2.5 网络舆情的研究意义 | 第19页 |
| 2.3 文本分类 | 第19-25页 |
| 2.3.1 文本分析 | 第20-23页 |
| 2.3.2 特征提取 | 第23-24页 |
| 2.3.3 文本分类算法 | 第24页 |
| 2.3.4 分类效果评价指标 | 第24-25页 |
| 2.4 基于机器学习的文本分类算法 | 第25-27页 |
| 2.4.1 朴素贝叶斯 | 第25-26页 |
| 2.4.2 支持向量机 | 第26页 |
| 2.4.3 K-最近邻 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 突发事件的网络舆情主题分类及情感分析 | 第28-43页 |
| 3.1 数据收集 | 第28-31页 |
| 3.1.1 数据来源 | 第28-29页 |
| 3.1.2 关键词的选取 | 第29页 |
| 3.1.3 数据概况 | 第29-31页 |
| 3.2 突发事件网络舆情的主题分类 | 第31-34页 |
| 3.2.1 文本的预处理及建模 | 第31-32页 |
| 3.2.2 主题聚类分析 | 第32-34页 |
| 3.3 情感词典的构建 | 第34-38页 |
| 3.3.1 词语相似度及其计算方法 | 第34-35页 |
| 3.3.2 情感词典的构建 | 第35-38页 |
| 3.4 突发事件网络舆情的情感倾向分析 | 第38-42页 |
| 3.4.1 政府部门类评论 | 第38-40页 |
| 3.4.2 新闻媒体类评论 | 第40-41页 |
| 3.4.3 事故原因类评论 | 第41-42页 |
| 3.4.4 其他类评论 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 突发事件网络舆情的演化分析 | 第43-58页 |
| 4.1 突发事件的网络舆情周期 | 第43-45页 |
| 4.2 突发事件的话题演化分析 | 第45-48页 |
| 4.3 突发事件网络舆情的情感倾向演化分析 | 第48-51页 |
| 4.3.1 政府部门类舆情演化 | 第48-49页 |
| 4.3.2 新闻媒体类舆情演化 | 第49-50页 |
| 4.3.3 事故原因类舆情演化 | 第50-51页 |
| 4.3.4 其他类舆情演化 | 第51页 |
| 4.4 积极评论人对网络舆情的情感导向分析 | 第51-56页 |
| 4.4.1 政府部门类 | 第52-53页 |
| 4.4.2 新闻媒体类 | 第53-54页 |
| 4.4.3 事故原因类 | 第54-55页 |
| 4.4.4 其他类 | 第55-56页 |
| 4.5 政策及建议 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
