基于本体的网络舆情挖掘研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.1.1 问题的提出 | 第8-9页 |
| 1.1.2 研究的意义 | 第9页 |
| 1.2 舆情分析现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 2 网络舆情本体挖掘过程概述 | 第12-26页 |
| 2.1 网络舆情信息采集 | 第12-15页 |
| 2.1.1 舆情信息来源 | 第12-13页 |
| 2.1.2 网络舆情信息采集策略 | 第13-15页 |
| 2.2 舆情文本数据预处理 | 第15-18页 |
| 2.2.1 数据预处理分类 | 第15-16页 |
| 2.2.2 数据预处理方法 | 第16-18页 |
| 2.3 本体库的建立 | 第18-20页 |
| 2.3.1 本体 | 第18-19页 |
| 2.3.2 本题库的建立与标注 | 第19-20页 |
| 2.4 基于本体的 Web 挖掘过程 | 第20-22页 |
| 2.4.1 用户需求的发现与本体的确定 | 第20页 |
| 2.4.2 目标领域本体范围的确定 | 第20-21页 |
| 2.4.3 Web 挖掘算法发现 | 第21-22页 |
| 2.5 挖掘实现 | 第22-23页 |
| 2.6 舆情挖掘分析 | 第23-25页 |
| 2.6.1 文本分类 | 第23-24页 |
| 2.6.2 情感倾向性分析 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 舆情分析关键技术研究 | 第26-32页 |
| 3.1 领域本体和语义相似度 | 第26页 |
| 3.2 分类算法改进 | 第26-28页 |
| 3.2.1 KNN 算法 | 第26-28页 |
| 3.2.2 改进的 KNN 算法 | 第28页 |
| 3.3 改进的情感倾向性计算方法 | 第28-30页 |
| 3.3.1 动态情感词短语的倾向性计算 | 第29页 |
| 3.3.2 修饰情感词短语的倾向性计算 | 第29页 |
| 3.3.3 情感倾向性计算算法 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 4 网络舆情案例本体挖掘分析 | 第32-39页 |
| 4.1 舆情数据及预处理 | 第32页 |
| 4.2 文本分类 | 第32-36页 |
| 4.2.1 语义特征向量生成 | 第33页 |
| 4.2.2 语义相似度计算 | 第33-35页 |
| 4.2.3 实验结果及分析 | 第35-36页 |
| 4.3 情感倾向性分析 | 第36-38页 |
| 4.3.1 关键词的倾向性的计算 | 第36-37页 |
| 4.3.2 模式的倾向性的计算 | 第37-38页 |
| 4.3.3 评论文本的倾向性的计算 | 第38页 |
| 4.3.4 实验结果及分析 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 总结与展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录 | 第44页 |
| A. 作者在攻读学位期间发表的论文目录 | 第44页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第44页 |
