网络舆情视角下的“互联网+”行业发展趋势研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究综述 | 第12-13页 |
| 1.2.1 网络舆情技术研究 | 第12-13页 |
| 1.2.2 行业发展研究 | 第13页 |
| 1.2.3 结合网络舆情的行业发展研究 | 第13页 |
| 1.3 研究思路 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 研究安排 | 第15页 |
| 1.5 论文的创新之处 | 第15-16页 |
| 第2章 相关理论及方法简介 | 第16-23页 |
| 2.1 行业生命周期理论 | 第16页 |
| 2.2 自然语言处理技术 | 第16-17页 |
| 2.2.1 基本概念 | 第16-17页 |
| 2.2.2 主要研究内容 | 第17页 |
| 2.3 关键词提取算法 | 第17-18页 |
| 2.3.1 TEXTRANK算法 | 第17-18页 |
| 2.3.2 TF-IDF算法 | 第18页 |
| 2.4 主题发现及演化算法 | 第18-21页 |
| 2.4.1 LDA主题模型 | 第18-20页 |
| 2.4.2 主题演化 | 第20-21页 |
| 2.5 情感分析概述 | 第21-22页 |
| 2.5.1 基本概念 | 第21-22页 |
| 2.5.2 情感值计算 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 行业发展基础研究 | 第23-29页 |
| 3.1 传统行业发展研究 | 第23-26页 |
| 3.1.1 钢铁行业发展研究 | 第23-24页 |
| 3.1.2 煤炭行业发展研究 | 第24-25页 |
| 3.1.3 汽车行业发展研究 | 第25-26页 |
| 3.2 传统行业发展特征归纳 | 第26-27页 |
| 3.3 “互联网+”行业发展探究 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 “互联网+”行业主题发现与演化研究 | 第29-44页 |
| 4.1 行业舆情数据准备 | 第29-30页 |
| 4.1.1 数据获取 | 第29页 |
| 4.1.2 数据处理 | 第29-30页 |
| 4.2 网约车行业主题分析 | 第30-35页 |
| 4.2.1 行业整体分析 | 第30-32页 |
| 4.2.2 主题模型构建 | 第32页 |
| 4.2.3 主题演化分析 | 第32-35页 |
| 4.3 外卖O2O行业主题分析 | 第35-39页 |
| 4.3.1 行业整体分析 | 第35-36页 |
| 4.3.2 主题模型构建 | 第36-37页 |
| 4.3.3 主题演化分析 | 第37-39页 |
| 4.4 共享单车行业主题分析 | 第39-43页 |
| 4.4.1 行业整体分析 | 第39-40页 |
| 4.4.2 主题模型构建 | 第40-41页 |
| 4.4.3 主题演化分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 “互联网+”行业趋势特征分析 | 第44-52页 |
| 5.1 行业新闻舆情分类研究 | 第44-48页 |
| 5.2 行业情感倾向性研究 | 第48-49页 |
| 5.3 行业阶段性特征总结 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论与建议 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 附录A 新闻数据示例 | 第56-57页 |
| 附录B 词库示例 | 第57-58页 |
| 附录C 爬虫代码 | 第58-60页 |
| 附录D 主题模型部分代码 | 第60-61页 |
| 致谢 | 第61-62页 |
