基于情感倾向性的网络舆情分析及演化预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 相关理论及关键技术 | 第17-27页 |
| 2.1 网络舆情分析介绍及相关理论 | 第17-21页 |
| 2.1.1 网络舆情技术 | 第17-18页 |
| 2.1.2 网络舆情的传播 | 第18-21页 |
| 2.1.3 有关网络舆情的其他研究 | 第21页 |
| 2.2 倾向性分析 | 第21-25页 |
| 2.2.1 研究分类 | 第21-22页 |
| 2.2.2 技术分类 | 第22-25页 |
| 2.3 多元线性回归分析 | 第25-27页 |
| 第3章 基于情感词典的网络舆情倾向性分类研究 | 第27-48页 |
| 3.1 基于How Net的情感词典构造 | 第27-32页 |
| 3.1.1 How Net简介 | 第27-28页 |
| 3.1.2 基于How Net的词语相似度计算 | 第28-29页 |
| 3.1.3 知网How Net词典的扩展 | 第29-32页 |
| 3.2 基于情感词典框架下的网络舆情倾向性分类 | 第32-42页 |
| 3.2.1 数据预处理 | 第33-35页 |
| 3.2.2 文本特征提取 | 第35-36页 |
| 3.2.3 线性组合特征选取算法 | 第36-40页 |
| 3.2.4 特征权重计算 | 第40-42页 |
| 3.3 实验测试及结果分析 | 第42-48页 |
| 3.3.1 实验环境及参数选取 | 第42页 |
| 3.3.2 分类器学习方法的选择 | 第42-43页 |
| 3.3.3 评估标准 | 第43-44页 |
| 3.3.4 算法测试及对比分析 | 第44-48页 |
| 第4章 时序信息的网络舆情演化规律模型 | 第48-59页 |
| 4.1 网络舆情演化 | 第48-49页 |
| 4.2 网络舆情演化的驱动因素 | 第49-52页 |
| 4.2.1 网络舆情驱动因素介绍 | 第49-50页 |
| 4.2.2 网络舆情驱动因素分析 | 第50-52页 |
| 4.3 多元线性回归预测 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-59页 |
| 4.4.1 问题描述 | 第53页 |
| 4.4.2 实验过程 | 第53-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及在学期间科研成果 | 第64-65页 |
| 致谢 | 第65页 |
