针对微博舆情的采集与分析系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和目的 | 第9-10页 |
| 1.2 相关研究现状 | 第10-12页 |
| 1.2.1 舆情系统研究现状 | 第10-11页 |
| 1.2.2 舆情采集技术的研究现状 | 第11-12页 |
| 1.2.3 情感分类的研究现状 | 第12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 微博舆情系统的相关技术 | 第15-23页 |
| 2.1 微博舆情采集技术 | 第15-19页 |
| 2.1.1 网络爬虫技术简介 | 第15-16页 |
| 2.1.2 网络爬虫分类及URL调度策略 | 第16-18页 |
| 2.1.3 采集相关技术 | 第18-19页 |
| 2.2 微博舆情分析技术 | 第19-22页 |
| 2.2.1 HTML解析 | 第19-22页 |
| 2.2.2 ICTCLAS分词系统 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于微博舆情采集系统的设计与改进 | 第23-33页 |
| 3.1 微博爬虫的研究分析 | 第23页 |
| 3.2 基于Scrapy的采集系统的设计与改进 | 第23-30页 |
| 3.2.1 Scrapy框架架构 | 第23-24页 |
| 3.2.2 Scrapy框架的分布式设计 | 第24-27页 |
| 3.2.3 Scrapy框架的改进 | 第27-28页 |
| 3.2.4 针对微博的Scrapy框架的改进 | 第28-30页 |
| 3.3 实验分析 | 第30-32页 |
| 3.3.1 实验环境 | 第30页 |
| 3.3.2 实验结果 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于评论的情感计算主题微博的情感强度 | 第33-41页 |
| 4.1 主题微博的情感分类特点 | 第33-34页 |
| 4.2 情感词典的构造 | 第34-35页 |
| 4.3 主题微博情感强度计算以及优化 | 第35-38页 |
| 4.3.1 主题微博情感强度计算 | 第35-37页 |
| 4.3.2 主题微博情感强度优化 | 第37-38页 |
| 4.4 实验结果与分析 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于微博舆情分析系统的实现 | 第41-55页 |
| 5.1 系统开发环境 | 第41-43页 |
| 5.1.1 硬件开发环境 | 第41-42页 |
| 5.1.2 软件开发环境 | 第42-43页 |
| 5.2 微博舆情系统的设计 | 第43-44页 |
| 5.3 微博舆情数据库设计 | 第44-46页 |
| 5.4 微博舆情功能模块的详细设计 | 第46-49页 |
| 5.4.1 代理节点系统设计 | 第46-47页 |
| 5.4.2 微博舆情采集系统设计 | 第47-48页 |
| 5.4.3 微博舆情分词系统设计 | 第48-49页 |
| 5.4.4 微博舆情分析系统设计 | 第49页 |
| 5.5 界面展示 | 第49-51页 |
| 5.6 微博舆情实验分析 | 第51-54页 |
| 5.6.1 微博发布行为的时间分布 | 第51-52页 |
| 5.6.2 微博转发延迟的时间分布 | 第52-53页 |
| 5.6.3 微博舆情热点分析 | 第53-54页 |
| 5.7 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |
