| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题来源及目的和意义 | 第8-11页 |
| 1.1.1 课题的来源 | 第8-10页 |
| 1.1.2 课题的目的和意义 | 第10-11页 |
| 1.2 国内外网络舆情研究现状 | 第11-15页 |
| 1.2.1 网络舆情的研究现状 | 第11-12页 |
| 1.2.2 网络舆论中多维度识别的研究现状 | 第12-15页 |
| 1.3 论文的研究内容及主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 基于关系数据的多维度识别的理论基础 | 第17-23页 |
| 2.1 基本概念 | 第17-18页 |
| 2.2 多维度识别中的关系模型 | 第18页 |
| 2.3 多维度识别中的舆论身份识别 | 第18页 |
| 2.4 多维度舆论识别的关键技术和工具包 | 第18-22页 |
| 2.4.1 NLopt 最优化工具 | 第19-20页 |
| 2.4.2 句子相似性计算 | 第20-21页 |
| 2.4.3 句子的连接和变异 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于知识迁移的多维度舆论身份识别技术 | 第23-40页 |
| 3.1 多维度舆论识别发现的一般流程 | 第23-25页 |
| 3.2 数据特征的提取和融合 | 第25-28页 |
| 3.2.1 数据核心特征提取技术 | 第25-26页 |
| 3.2.2 数据分析融合技术 | 第26-28页 |
| 3.3 单源域中多维度的识别技术 | 第28-29页 |
| 3.3.1 建立舆论领袖知识的逻辑谓词和一阶逻辑子句表示 | 第28页 |
| 3.3.2 建立单领域舆论领袖发现模型 | 第28-29页 |
| 3.4 单源域到目标域迁移的多维度识别技术 | 第29-32页 |
| 3.4.1 谓词映射 | 第31页 |
| 3.4.2 修改映射结构 | 第31-32页 |
| 3.5 多源域到目标域迁移的多维度识别技术 | 第32-38页 |
| 3.5.1 一阶与二阶子句的提出和优点 | 第34-35页 |
| 3.5.2 SR2LR 算法 | 第35-37页 |
| 3.5.3 多任务学习的最优化 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 多维度识别系统的设计与实现 | 第40-52页 |
| 4.1 需求分析 | 第40-43页 |
| 4.1.1 功能性需求分析 | 第40-43页 |
| 4.1.2 非功能性需求分析 | 第43页 |
| 4.2 系统的概要设计 | 第43-46页 |
| 4.2.1 系统的研究思路 | 第43-45页 |
| 4.2.2 系统数据库设计 | 第45-46页 |
| 4.3 系统核心模块的详细设计 | 第46-51页 |
| 4.3.1 一阶和二阶相互转化子模块 | 第46-48页 |
| 4.3.2 二阶子句判断相等子模块 | 第48页 |
| 4.3.3 连接子句变异子句的生成子模块 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 多维度识别系统的实验验证 | 第52-66页 |
| 5.1 多维度舆论识别实验及测试环境 | 第52页 |
| 5.2 多维度舆论识别数据集的选取 | 第52-56页 |
| 5.2.1 标准数据集 | 第52-55页 |
| 5.2.2 基于 BBS 的标准舆情数据集 | 第55-56页 |
| 5.3 舆论领袖识别实验过程和结果分析 | 第56-65页 |
| 5.3.1 实验过程设计 | 第56-65页 |
| 5.3.2 实验结果及其评价 | 第65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |