面向特定领域的互联网舆情分析技术研究
| 提要 | 第5-6页 |
| 摘要 | 第6-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 聚焦爬虫技术 | 第17-18页 |
| 1.3 半监督分类 | 第18-19页 |
| 1.3.1 文本分类介绍 | 第18页 |
| 1.3.2 半监督学习 | 第18-19页 |
| 1.4 情感分析技术 | 第19-20页 |
| 1.5 本文研究内容 | 第20-22页 |
| 1.6 本文的组织结构 | 第22-24页 |
| 第2章 主题爬虫技术研究 | 第24-50页 |
| 2.1 面向领域的信息采集技术 | 第24-37页 |
| 2.1.1 信息采集器概述 | 第24-25页 |
| 2.1.2 聚焦爬虫技术概述 | 第25-29页 |
| 2.1.3 Web网页分布特点 | 第29-32页 |
| 2.1.4 爬行算法简介 | 第32-37页 |
| 2.2 基于综合价值具有增量特性的主题爬虫 | 第37-49页 |
| 2.2.1 网页可视化内容块 | 第38-41页 |
| 2.2.2 链接预测 | 第41-44页 |
| 2.2.3 前后端分类器 | 第44-46页 |
| 2.2.4 实验评估 | 第46-48页 |
| 2.2.5 结论 | 第48-49页 |
| 2.3 本章小结和进一步的工作 | 第49-50页 |
| 2.3.1 小结 | 第49页 |
| 2.3.2 今后的工作 | 第49-50页 |
| 第3章 半监督分类问题研究 | 第50-60页 |
| 3.1 基于无监督聚类的PU文本分类方法 | 第50-59页 |
| 3.1.1 相关工作 | 第50-51页 |
| 3.1.2 CBRN和改进的1-DNF | 第51-54页 |
| 3.1.3 SPY-SVM分类器简介 | 第54-55页 |
| 3.1.4 PU文本分类算法 | 第55-56页 |
| 3.1.5 实验结果及分析 | 第56-58页 |
| 3.1.6 结论 | 第58-59页 |
| 3.2 本章小结和进一步工作 | 第59-60页 |
| 第4章 中文文本情感分类研究 | 第60-106页 |
| 4.1 引言 | 第60-61页 |
| 4.2 评价挖掘算法概述 | 第61-66页 |
| 4.2.1 词语级情感倾向性分析 | 第61-63页 |
| 4.2.2 句子级情感倾向性分析 | 第63-64页 |
| 4.2.3 篇章级情感倾向性分析 | 第64-66页 |
| 4.2.4 情感对象识别 | 第66页 |
| 4.3 面向公共卫生事件评论的中文情感倾向性分析 | 第66-74页 |
| 4.3.1 背景和研究现状 | 第67页 |
| 4.3.2 中文评价挖掘算法 | 第67-72页 |
| 4.3.3 实验结果及分析 | 第72-74页 |
| 4.3.4 结论和将来的工作 | 第74页 |
| 4.4 基于字符串核函数的评价挖掘算法 | 第74-81页 |
| 4.4.1 背景与相关工作介绍 | 第75页 |
| 4.4.2 基于学习的语义倾向性分析算法 | 第75-78页 |
| 4.4.3 实验结果及分析 | 第78-81页 |
| 4.4.4 结论和将来的工作 | 第81页 |
| 4.5 从句子级到篇章级中文评价挖掘研究 | 第81-102页 |
| 4.5.1 简介 | 第82-83页 |
| 4.5.2 已有研究工作 | 第83-86页 |
| 4.5.3 中文情感倾向性分析方法 | 第86-94页 |
| 4.5.4 实验结果分析 | 第94-102页 |
| 4.5.5 结论和将来的工作 | 第102页 |
| 4.6 主题事件舆情分析 | 第102-105页 |
| 4.7 本章小结和进一步工作 | 第105-106页 |
| 第5章 总结与展望 | 第106-108页 |
| 5.1 全文工作总结 | 第106-107页 |
| 5.2 进一步工作 | 第107-108页 |
| 参考文献 | 第108-118页 |
| 作者简介及在学期间所取得的科研成果 | 第118-120页 |
| 致谢 | 第120页 |
