| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 网络舆情的定义 | 第11页 |
| 1.2 互联网舆情监测系统的意义 | 第11-13页 |
| 1.3 国内外研究现状与相关技术 | 第13-16页 |
| 1.4 论文组织结构及作者的主要工作 | 第16-18页 |
| 第二章 舆情分析系统的关键技术 | 第18-30页 |
| 2.1 网络爬虫技术 | 第18页 |
| 2.2 文本表示模型 | 第18-20页 |
| 2.2.1 布尔模型 | 第18页 |
| 2.2.2 N-gram模型 | 第18-19页 |
| 2.2.3 向量空间模型(vector space model) | 第19-20页 |
| 2.3 文本特征提取 | 第20-22页 |
| 2.3.1 文本特征提取概念 | 第20页 |
| 2.3.2 文本特征提取分类 | 第20-21页 |
| 2.3.3 基于Filter模型和Wrapper模型的文本特征选择方法 | 第21-22页 |
| 2.4 文本特征选择方法 | 第22-25页 |
| 2.4.1 文本频数(DF) | 第22-23页 |
| 2.4.2 信息增益 | 第23页 |
| 2.4.3 卡方统计量(CHI)在特征选择中的应用 | 第23-25页 |
| 2.5 文本分类算法 | 第25-27页 |
| 2.5.1 K近邻法 | 第25-26页 |
| 2.5.2 朴素贝叶斯 | 第26页 |
| 2.5.3 SVM | 第26-27页 |
| 2.6 基本数学知识 | 第27-29页 |
| 2.6.1 信息量与熵 | 第27-28页 |
| 2.6.2 卡方分布与χ~2统计量(CHI) | 第28-29页 |
| 2.6.3 狄利克利分布 | 第29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 舆情分析系统的设计与实现 | 第30-60页 |
| 3.1 舆情系统整体架构 | 第30-33页 |
| 3.2 基于Bootstrap的特征选择方法 | 第33-38页 |
| 3.2.1 基于Bootstrap的特征选择算法原理 | 第34-35页 |
| 3.2.2 阈值上限的确定 | 第35页 |
| 3.2.3 阈值下限的确定 | 第35-36页 |
| 3.2.4 具体接口分析 | 第36-38页 |
| 3.3 数据预处理模块 | 第38-45页 |
| 3.3.1 网页正文提取 | 第39-41页 |
| 3.3.2 分词模块 | 第41-45页 |
| 3.4 文本分类模块 | 第45-50页 |
| 3.4.1 文本分类模块需求 | 第45-46页 |
| 3.4.2 文本分类模块的系统架构 | 第46-47页 |
| 3.4.3 文本分类模块的实现 | 第47-50页 |
| 3.5 文本倾向性分析模块 | 第50-56页 |
| 3.5.1 倾向性分析模块的需求 | 第50页 |
| 3.5.2 倾向性分析模块实现 | 第50-56页 |
| 3.6 文本主题提取模块 | 第56-59页 |
| 3.6.1 主题提取模块的需求 | 第56页 |
| 3.6.2 主题提取模块的实现 | 第56-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第四章 舆情分析系统实验及测试 | 第60-67页 |
| 4.1 评价体系 | 第60-61页 |
| 4.2 实验结果及分析 | 第61-64页 |
| 4.2.1 Bootstrap文本特征提取模块分析 | 第61-62页 |
| 4.2.2 特征选择结果在不同分类器上的比较 | 第62页 |
| 4.2.3 分类模块性能分析 | 第62-63页 |
| 4.2.4 倾向性分析模块性能分析 | 第63-64页 |
| 4.3 舆情系统功能展示 | 第64-66页 |
| 4.3.1 登陆界面 | 第64页 |
| 4.3.2 舆情统计模块 | 第64-65页 |
| 4.3.3 舆情获知 | 第65-66页 |
| 4.3.4 自定义舆情信息 | 第66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间发表的学术论文 | 第71页 |
