基于Markov逻辑网的网络舆情文本分类技术研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 网络舆情内容倾向性研究现状 | 第10-12页 |
| 1.2.2 马尔科夫逻辑网研究现状 | 第12-13页 |
| 1.2.3 领域知识学习和更新研究现状 | 第13页 |
| 1.3 研究思路和主要工作 | 第13-14页 |
| 1.4 本章小结 | 第14-16页 |
| 第二章 网络舆情倾向性分析系统的理论基础 | 第16-26页 |
| 2.1 基本概念 | 第16-19页 |
| 2.2 文本分类方法 | 第19-21页 |
| 2.3 基于机器学习的网络舆情内容倾向性分析方法 | 第21-25页 |
| 2.3.1 基于支持向量机的文本分类方法分析 | 第21-22页 |
| 2.3.2 基于K最近邻方法的分类方法分析 | 第22-23页 |
| 2.3.3 基于贝叶斯分类的方法分析 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 网络舆情倾向性分析系统的分析 | 第26-32页 |
| 3.1 需求分析 | 第26-29页 |
| 3.1.1 功能型需求分析 | 第27-29页 |
| 3.1.2 非功能型需求分析 | 第29页 |
| 3.2 可行性分析 | 第29页 |
| 3.3 经济可行性 | 第29-30页 |
| 3.4 维护可行性 | 第30页 |
| 3.5 法律可行性 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 网络舆情倾向性分析系统设计 | 第32-38页 |
| 4.1 系统设计思想 | 第32-33页 |
| 4.2 系统功能设计 | 第33-37页 |
| 4.2.1 系统软件包 | 第33-34页 |
| 4.2.2 模块描述 | 第34-36页 |
| 4.2.3 系统数据库设计 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 网络舆情倾向性分析系统实现 | 第38-49页 |
| 5.1 系统环境 | 第38页 |
| 5.2 系统实现及结果分析 | 第38-48页 |
| 5.2.1 数据预处理 | 第38-40页 |
| 5.2.2 本文的系统的实现 | 第40-43页 |
| 5.2.3 舆情倾向性分析结果 | 第43-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-51页 |
| 6.1 论文总结 | 第49页 |
| 6.2 进一步研究内容 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
