| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1.引言 | 第9-19页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·舆情相关理论研究现状 | 第11-12页 |
| ·文本自动分类研究现状 | 第12-13页 |
| ·文本聚类研究现状 | 第13-15页 |
| ·短文本分类研究意义 | 第15-16页 |
| ·短文本分类研究现状 | 第16-17页 |
| ·论文研究内容 | 第17-18页 |
| ·本论文组织结构 | 第18-19页 |
| 2.文本分类和文本聚类 | 第19-32页 |
| ·文本分类 | 第19-25页 |
| ·文本分类概念及算法介绍 | 第19-25页 |
| ·文本分类性能评估 | 第25页 |
| ·文本聚类 | 第25-31页 |
| ·文本聚类理论 | 第25-26页 |
| ·文本聚类过程 | 第26-28页 |
| ·文本聚类评价标准 | 第28页 |
| ·文本聚类的应用 | 第28-29页 |
| ·算法测试及分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3.短文本自动分类相关理论 | 第32-42页 |
| ·短文本应用 | 第32-35页 |
| ·短文本特点 | 第35-36页 |
| ·短文本分类相关技术 | 第36-40页 |
| ·文本预处理 | 第36-38页 |
| ·文本特征表示 | 第38-39页 |
| ·特征提取 | 第39-40页 |
| ·分类模型 | 第40页 |
| ·评估模型 | 第40页 |
| ·本章小结 | 第40-42页 |
| 4.基于 ROCCHIO 与 KNN 算法的短文本分类和聚类 | 第42-51页 |
| ·存在问题 | 第42页 |
| ·基于改进Rocchio与KNN算法的短文本分类 | 第42-46页 |
| ·模糊分类 | 第42-45页 |
| ·确定分类 | 第45-46页 |
| ·测试结果与分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 5. 网络舆情分析系统设计 | 第51-58页 |
| ·系统功能概述 | 第51页 |
| ·系统架构 | 第51-52页 |
| ·系统设计 | 第52-53页 |
| ·关键技术 | 第53-54页 |
| ·自动信息采集技术 | 第53页 |
| ·热点发现与跟踪技术 | 第53页 |
| ·自动摘要技术 | 第53页 |
| ·文本倾向性分析技术 | 第53-54页 |
| ·文本自动分类技术 | 第54页 |
| ·文本自动聚类技术 | 第54页 |
| ·子系统设计框架 | 第54-57页 |
| ·信息采集系统设计 | 第54-55页 |
| ·舆情分析系统设计 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6.总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录：攻读学位期间发表的学术论文及参与项目 | 第62-63页 |
| 致谢 | 第63-64页 |