| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景、研究目的与研究意义 | 第8-9页 |
| 1.2 国内外研究及应用现状 | 第9-11页 |
| 1.2.1 舆情分析技术应用的国内外现状 | 第10页 |
| 1.2.2 文本情感分析技术应用的国内外现状 | 第10-11页 |
| 1.3 本论文主要工作及论文的组织结构 | 第11-13页 |
| 第二章 相关技术与理论基础 | 第13-24页 |
| 2.1 网络爬虫技术 | 第13-16页 |
| 2.1.1 网络爬虫的原理 | 第13-14页 |
| 2.1.2 网络爬虫遵循的规则 | 第14-15页 |
| 2.1.3 爬虫的多线程爬取 | 第15页 |
| 2.1.4 爬虫的分布式策略 | 第15-16页 |
| 2.2 网页文本预处理技术 | 第16-21页 |
| 2.2.1 网页的结构 | 第16-18页 |
| 2.2.2 基于DOM树的网页正文提取方法 | 第18-19页 |
| 2.2.3 基于网页分割布局块的正文提取方法 | 第19页 |
| 2.2.4 基于标记窗的正文提取方法 | 第19-20页 |
| 2.2.5 基于行块分布的网页正文提取方法 | 第20-21页 |
| 2.3 中文分词及词性标注技术 | 第21-24页 |
| 2.3.1 中文分词技术 | 第21-23页 |
| 2.3.2 词性标注技术 | 第23-24页 |
| 第三章 网络舆情情感分析关键技术研究 | 第24-36页 |
| 3.1 情感建模 | 第25-26页 |
| 3.2 情感词库的建立 | 第26-28页 |
| 3.3 情感分析方法的介绍 | 第28-36页 |
| 3.3.1 基于机器学习分类的文本情感分析方法 | 第29-30页 |
| 3.3.2 基于语义规则的情感分析方法 | 第30-31页 |
| 3.3.3 基于情感词识别的情感分析方法 | 第31-32页 |
| 3.3.4 改进的基于情感词识别的情感分析方法 | 第32-36页 |
| 第四章 系统设计 | 第36-42页 |
| 4.1 系统需求 | 第36-37页 |
| 4.2 系统整体架构 | 第37-38页 |
| 4.3 系统开发环境 | 第38-40页 |
| 4.4 系统所依赖的开源项目 | 第40-41页 |
| 4.4.1 Hanlp中文自然语言处理包 | 第40-41页 |
| 4.4.2 WebCollector | 第41页 |
| 4.4.3 Java Swing GUI图形界面制作工具 | 第41页 |
| 4.5 小结 | 第41-42页 |
| 第五章 系统实现 | 第42-49页 |
| 5.1 舆情搜集模块的实现 | 第42-43页 |
| 5.2 数据储存模块的建立 | 第43-44页 |
| 5.3 舆情内容预处理模块的实现 | 第44页 |
| 5.4 舆情情感分析模块的实现 | 第44-46页 |
| 5.5 系统界面的实现 | 第46-49页 |
| 第六章 系统测试和结果分析 | 第49-56页 |
| 6.1 实验结果与分析 | 第49-50页 |
| 6.2 系统界面展示 | 第50-52页 |
| 6.3 实际系统运行示例 | 第52-56页 |
| 第七章 结束语 | 第56-58页 |
| 7.1 论文总结 | 第56-57页 |
| 7.2 问题与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |