| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 Web 2.0 时代的到来 | 第10-11页 |
| 1.1.2 移动互联网的兴起 | 第11页 |
| 1.1.3 基于位置服务的发展 | 第11-12页 |
| 1.2 研究目的和意义 | 第12-13页 |
| 1.2.1 理论研究意义 | 第12-13页 |
| 1.2.2 实践应用意义 | 第13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 研究数据的采集与预处理 | 第17-26页 |
| 2.1 相关技术的介绍 | 第17-20页 |
| 2.1.1 网络爬虫技术在数据采集中的应用 | 第17-18页 |
| 2.1.2 HTML解析 | 第18页 |
| 2.1.3 使用GeoJSON格式存储地理位置数据 | 第18-19页 |
| 2.1.4 正则表达式在文本处理中的应用 | 第19-20页 |
| 2.2 微博数据的采集 | 第20-22页 |
| 2.2.1 常见的微博数据采集方法 | 第20页 |
| 2.2.2 数据采集系统的构建 | 第20-22页 |
| 2.3 微博数据的预处理 | 第22-24页 |
| 2.3.1 微博发布时间的预处理 | 第22页 |
| 2.3.2 地理位置数据的预处理 | 第22-23页 |
| 2.3.3 文本数据的预处理 | 第23-24页 |
| 2.4 采集得到的数据内容 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于微博数据的时空分布特征分析 | 第26-35页 |
| 3.1 相关技术介绍 | 第26页 |
| 3.1.1 Leaflet在地理数据可视化中的应用 | 第26页 |
| 3.2 基于微博数据的时空分布特征提取 | 第26-27页 |
| 3.2.1 微博数据的时间分布特征提取操作 | 第26页 |
| 3.2.2 微博数据的空间分布特征提取操作 | 第26页 |
| 3.2.3 微博数据的时空分布特征提取操作 | 第26-27页 |
| 3.3 时空分布特征的可视化表达 | 第27-34页 |
| 3.3.1 微博数据的时间分布特征 | 第27-29页 |
| 3.3.2 微博数据的空间分布特征 | 第29-30页 |
| 3.3.3 微博数据的时空分布特征 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于聚类算法的热点区域获取 | 第35-40页 |
| 4.1 相关算法介绍 | 第35-36页 |
| 4.2 聚类算法在热点区域发现的应用 | 第36页 |
| 4.3 聚类结果分析 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 微博文本关键词提取研究 | 第40-52页 |
| 5.1 相关文本处理技术介绍 | 第40-41页 |
| 5.1.1 中文文本分词技术 | 第40页 |
| 5.1.2 TF-IDF指数 | 第40-41页 |
| 5.2 微博数据的关键词提取 | 第41-42页 |
| 5.2.1 准备工作 | 第41-42页 |
| 5.2.2 不同时段的微博文本关键词提取 | 第42页 |
| 5.2.3 热点区域的微博文本关键词提取 | 第42页 |
| 5.3 不同时段的微博文本关键词 | 第42-46页 |
| 5.4 热点区域的微博文本关键词 | 第46-51页 |
| 5.5 本章小结 | 第51-52页 |
| 总结与展望 | 第52-55页 |
| 本文总结 | 第52-53页 |
| 不足与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59页 |