| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·选题的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·主题探测与追踪 | 第11-13页 |
| ·情感倾向性分析 | 第13-15页 |
| ·舆情监控分析系统 | 第15-16页 |
| ·本文的主要内容 | 第16-17页 |
| ·论文的结构 | 第17-18页 |
| 第二章 相关理论介绍 | 第18-26页 |
| ·中文分词 | 第18-19页 |
| ·文本模型 | 第19-21页 |
| ·布尔模型 | 第19-20页 |
| ·概率模型 | 第20页 |
| ·语言模型 | 第20页 |
| ·向量空间模型 | 第20-21页 |
| ·特征权重计算方法 | 第21-22页 |
| ·布尔权重 | 第21页 |
| ·TF/IDF | 第21-22页 |
| ·互信息 | 第22页 |
| ·信息增益 | 第22页 |
| ·文本分类 | 第22-25页 |
| ·K 最邻近算法 | 第22-23页 |
| ·Single-Pass 算法 | 第23页 |
| ·支持向量机算法 | 第23-25页 |
| ·最大熵算法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于事件演化的主题探测和追踪模型 | 第26-32页 |
| ·改进的报道模型和主题模型 | 第26-27页 |
| ·特征词权重的计算及特征选择 | 第27-28页 |
| ·相似性计算 | 第28页 |
| ·基于事件演化的主题检测与追踪算法 | 第28-30页 |
| ·实验和结果分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于事物多面性的情感倾向性分析 | 第32-40页 |
| ·构建情感词典 | 第32-35页 |
| ·种子词汇 | 第32-33页 |
| ·副词对情感词汇的影响 | 第33页 |
| ·词汇情感倾向值计算 | 第33-35页 |
| ·抽取情感分析三元组 | 第35-36页 |
| ·情感词和程度副词的抽取 | 第35-36页 |
| ·情感对象的抽取 | 第36页 |
| ·情感倾向性分析 | 第36-38页 |
| ·实验结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于 Hadoop 平台的舆论主题监控分析系统 | 第40-49页 |
| ·Hadoop 平台 | 第40-45页 |
| ·Hadoop 平台的优越性 | 第40页 |
| ·Hadoop 框架与流程 | 第40-42页 |
| ·Hadoop 环境的搭建 | 第42-45页 |
| ·系统架构 | 第45-46页 |
| ·系统功能模块设计 | 第46-48页 |
| ·网页采集模块 | 第46页 |
| ·信息抽取模块 | 第46-47页 |
| ·主题探测和追踪模块 | 第47页 |
| ·主题追踪模块 | 第47-48页 |
| ·情感倾向性分析模块 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 总结 | 第49-50页 |
| 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间取得的学术成果 | 第55-56页 |
| 致谢 | 第56页 |