核舆情情感分析及预警方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 国内外研究综述 | 第13-17页 |
| 1.2.1 网络舆情相关研究 | 第13-15页 |
| 1.2.2 特征词库相关研究 | 第15-16页 |
| 1.2.3 情感分析相关研究 | 第16页 |
| 1.2.4 舆情预警相关研究 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 研究方法 | 第18-19页 |
| 1.5 本文的结构安排 | 第19-22页 |
| 第2章 相关理论及关键技术 | 第22-32页 |
| 2.1 网络爬虫技术 | 第22-24页 |
| 2.1.1 网络爬虫的工作原理 | 第22-23页 |
| 2.1.2 网络爬虫的抓取策略 | 第23页 |
| 2.1.3 网络爬虫常用工具 | 第23-24页 |
| 2.2 中文分词 | 第24-26页 |
| 2.2.1 基于字符串匹配的分词方法 | 第24-25页 |
| 2.2.2 基于统计的分词方法 | 第25页 |
| 2.2.3 基于理解的分词方法 | 第25页 |
| 2.2.4 优缺点比较 | 第25-26页 |
| 2.3 文本信息预处理 | 第26页 |
| 2.3.1 网络字符过滤 | 第26页 |
| 2.3.2 停止词消除 | 第26页 |
| 2.4 特征选择 | 第26-27页 |
| 2.4.1 信息熵 | 第26-27页 |
| 2.4.2 TFIDF | 第27页 |
| 2.5 文本分类算法 | 第27-29页 |
| 2.5.1 朴素贝叶斯算法 | 第27页 |
| 2.5.2 KNN算法 | 第27页 |
| 2.5.3 支持向量机算法 | 第27-28页 |
| 2.5.4 神经网络算法 | 第28-29页 |
| 2.6 分类的评价标准 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 核领域特征词库网络新词发现 | 第32-40页 |
| 3.1 词语相似度计算 | 第32-33页 |
| 3.1.1 基于Hownet的词语相似度计算 | 第32页 |
| 3.1.2 基于同义词林的词语相似度计算 | 第32页 |
| 3.1.3 基于Word2Vec的词语相似度计算 | 第32-33页 |
| 3.2 模型构建 | 第33-35页 |
| 3.3 分词结果对比 | 第35-36页 |
| 3.4 实验结果比较 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 核微博情感倾向性分析 | 第40-50页 |
| 4.1 标准RAE模型 | 第40-41页 |
| 4.2 改进后的情感分析模型 | 第41-43页 |
| 4.3 实验结果分析 | 第43-48页 |
| 4.3.1 实验设置 | 第43-44页 |
| 4.3.2 参数选择 | 第44-46页 |
| 4.3.3 实验对比 | 第46-47页 |
| 4.3.4 SVM与其他算法比较 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 核舆情预警 | 第50-63页 |
| 5.1 舆情预警指标提取 | 第50-51页 |
| 5.2 核舆情预警模型构建 | 第51-55页 |
| 5.2.1 文本相似度分类 | 第52页 |
| 5.2.2 核舆情预警值定量分析 | 第52-55页 |
| 5.3 实验对比 | 第55-62页 |
| 5.3.1 数据说明 | 第55页 |
| 5.3.2 核舆情信息数量分布 | 第55-56页 |
| 5.3.3 核舆情信息时刻分布 | 第56-58页 |
| 5.3.4 核舆情信息情感值分布 | 第58-60页 |
| 5.3.5 核舆情预警值分布 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文工作总结 | 第63页 |
| 6.2 后续工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者攻读学位期间的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
