基于微信的社会舆论热点挖掘及分析模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 论文主要研究内容和结构安排 | 第14-17页 |
| 1.4.1 论文的主要内容 | 第14-15页 |
| 1.4.2 论文组织结构 | 第15-17页 |
| 第二章 相关理论介绍 | 第17-26页 |
| 2.1 微信的特征 | 第17-19页 |
| 2.2 数据获取技术 | 第19-20页 |
| 2.3 数据处理技术 | 第20-21页 |
| 2.3.1 数据质量评价 | 第20页 |
| 2.3.2 清洗方法 | 第20-21页 |
| 2.4 聚类算法 | 第21-24页 |
| 2.4.1 聚类的介绍 | 第21-23页 |
| 2.4.2 K-means算法 | 第23-24页 |
| 2.5 LDA文档主题生成模型 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 热点分析系统的模型设计 | 第26-33页 |
| 3.1 系统框架设计思路和原则 | 第26-29页 |
| 3.2 微信数据预处理 | 第29-30页 |
| 3.3 隐含主题模型 | 第30-32页 |
| 3.3.1 文本主题分析 | 第30页 |
| 3.3.2 LDA聚类模型 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于微信热点挖掘的K-means算法改进 | 第33-41页 |
| 4.1 K-means算法分析 | 第33-36页 |
| 4.1.1 K-means算法缺点分析 | 第33-34页 |
| 4.1.2 仿真试验验证K-means的缺点 | 第34-36页 |
| 4.2 基于并查集思想的K-means改进算法 | 第36-38页 |
| 4.3 仿真试验 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 热点分析模型在微信热点分析的应用 | 第41-48页 |
| 5.1 文档预处理 | 第41-42页 |
| 5.2 热点分析算法 | 第42-43页 |
| 5.3 实验 | 第43-47页 |
| 5.3.1 结果评价指标 | 第43-44页 |
| 5.3.2 实验结果分析 | 第44-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 论文总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间参与的项目和科研成果 | 第54-55页 |
| 致谢 | 第55页 |
