网络舆情倾向性分析技术研究与实现

摘要	第1-5页
Abstract	第5-9页
第1章 绪论	第9-16页
·课题背景	第9-10页
·国内外研究现状	第10-13页
·网络舆情研究现状	第10-12页
·网络舆情倾向性研究现状	第12-13页
·存在的问题	第13-14页
·本文的研究内容	第14页
·论文组织结构	第14-16页
第2章 网络舆情倾向性分析的相关理论与技术	第16-24页
·基本概念	第16页
·基于语义的网络舆情倾向性分析方法	第16-17页
·基于机器学习的网络舆情倾向性分析方法	第17-23页
·基于支持向量机的网络舆情倾向性分析	第18-19页
·基于K 最近邻方法的网络舆情倾向性分析	第19-21页
·基于N-gram方法的网络舆情倾向性分析	第21-23页
·本章小结	第23-24页
第3章 网络舆情倾向性分析系统设计	第24-29页
·系统设计思想	第24-26页
·系统功能设计	第26-28页
·系统软件包	第26页
·模块描述	第26-28页
·本章小结	第28-29页
第4章 网络舆情倾向性分析系统的关键技术	第29-59页
·跨领域舆情倾向性分析的理论基础	第30-43页
·多任务学习	第30-31页
·迁移学习	第31-34页
·Markov 逻辑网	第34-41页
·基于Markov 逻辑网的迁移学习	第41-43页
·跨领域舆情倾向性分析的关键理论研究	第43-58页
·不确定超图的概念和相关定义	第44-46页
·一个大型的不确定超图频繁子图挖掘相关定义	第46-48页
·不确定超图复杂性证明	第48-54页
·近似算法设计	第54-58页
·本章小结	第58-59页
第5章 网络舆情倾向性分析系统实现	第59-71页
·系统环境	第59页
·系统实现及结果分析	第59-70页
·数据预处理	第59-62页
·本文系统的实现	第62-67页
·舆情倾向性分析结果	第67-70页
·本章小结	第70-71页
结论	第71-72页
参考文献	第72-77页
致谢	第77页