| 摘要 | 第4-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第18-42页 |
| 1.1 研究背景 | 第18-23页 |
| 1.1.1 网络舆情的时代和历史背景 | 第18-20页 |
| 1.1.2 大数据环境对舆情分析提出新要求 | 第20-21页 |
| 1.1.3 网络舆情演变中的情感催化剂 | 第21-23页 |
| 1.2 研究目的及意义 | 第23-26页 |
| 1.2.1 研究目的 | 第23-24页 |
| 1.2.2 研究意义 | 第24-26页 |
| 1.3 国内外研究现状综述 | 第26-35页 |
| 1.3.1 网络舆情信息情感国外研究现状 | 第26-28页 |
| 1.3.2 网络舆情信息情感国内研究现状 | 第28-32页 |
| 1.3.3 网络舆情信息情感国内外研究进展评价 | 第32-35页 |
| 1.4 研究方法与技术路线 | 第35-38页 |
| 1.4.1 研究方法 | 第35-36页 |
| 1.4.2 技术路线 | 第36-38页 |
| 1.5 研究内容与创新点 | 第38-42页 |
| 1.5.1 研究内容 | 第38-41页 |
| 1.5.2 研究创新点 | 第41-42页 |
| 第2章 相关理论综述 | 第42-59页 |
| 2.1 信息论与全信息情感理论 | 第42-44页 |
| 2.1.1 信息论 | 第42-43页 |
| 2.1.2 全信息情感理论 | 第43-44页 |
| 2.2 心理学与情报心理学相关理论 | 第44-48页 |
| 2.2.1 心理学相关理论 | 第44-48页 |
| 2.2.2 情报心理学的理论与方法 | 第48页 |
| 2.3 网络舆情与信息情感相关理论 | 第48-52页 |
| 2.3.1 网络舆情 | 第49-50页 |
| 2.3.2 信息情感 | 第50页 |
| 2.3.3 维度空间 | 第50-52页 |
| 2.4 空间聚类与多维尺度分析相关理论 | 第52-54页 |
| 2.4.1 空间聚类法 | 第52-53页 |
| 2.4.2 多维尺度法 | 第53-54页 |
| 2.5 情感计算与情感识别相关理论 | 第54-58页 |
| 2.5.1 情感计算 | 第54-56页 |
| 2.5.2 情感识别 | 第56-58页 |
| 2.6 本章小结 | 第58-59页 |
| 第3章 网络舆情信息情感维度分析 | 第59-69页 |
| 3.1 网络舆情信息情感的特征分析 | 第59-61页 |
| 3.1.1 正面舆情与负面舆情的突变性 | 第59-60页 |
| 3.1.2 显性舆情与隐性舆情的易转化性 | 第60页 |
| 3.1.3 情感指向和情感焦点的急速聚焦性或扩散性 | 第60-61页 |
| 3.1.4 环境刺激等级和预警级别的跨越性 | 第61页 |
| 3.2 网络舆情的信息情感维度概念与要素分析 | 第61-64页 |
| 3.2.1 网络舆情信息情感维度概念 | 第61-62页 |
| 3.2.2 网络舆情信息情感维度要素 | 第62-64页 |
| 3.3 网络舆情信息情感维度模型构建 | 第64-66页 |
| 3.3.1 理论基础 | 第64-65页 |
| 3.3.2 模型架构 | 第65-66页 |
| 3.4 案例分析 | 第66-68页 |
| 3.4.1 舆情事件情感发展演变过程分析 | 第66页 |
| 3.4.2 舆情事件各发展阶段的情感维度特征 | 第66-67页 |
| 3.4.3 个人生活圈内隐阶段的显著表现 | 第67页 |
| 3.4.4 网络朋友圈离散阶段的显著表现 | 第67页 |
| 3.4.5 公众社会圈高危阶段的显著表现 | 第67-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第4章 网络舆情信息情感维度要素关联模型的构建 | 第69-88页 |
| 4.1 网络舆情信息情感维度要素解析 | 第69-71页 |
| 4.1.1 情感级别 | 第69-70页 |
| 4.1.2 情感指向 | 第70页 |
| 4.1.3 情感焦点 | 第70页 |
| 4.1.4 情感投入 | 第70页 |
| 4.1.5 情感转换 | 第70-71页 |
| 4.1.6 情感反应 | 第71页 |
| 4.1.7 危机预警 | 第71页 |
| 4.2 网络舆情信息情感维度的度量属性 | 第71-75页 |
| 4.2.1 结构属性 | 第71-73页 |
| 4.2.2 状态属性 | 第73页 |
| 4.2.3 极性属性 | 第73-74页 |
| 4.2.4 时态属性 | 第74-75页 |
| 4.2.5 健康属性 | 第75页 |
| 4.3 网络舆情信息情感维度要素关联作用分析 | 第75-77页 |
| 4.4 网络舆情信息情感维度要素的度量方法 | 第77-80页 |
| 4.4.1 情绪与情感的区别与联系 | 第77-78页 |
| 4.4.2 个体情绪与情感的度量 | 第78-79页 |
| 4.4.3 小群体情绪与情感的度量 | 第79页 |
| 4.4.4 大群体情绪与情感的度量 | 第79-80页 |
| 4.5 网络舆情信息情感维度要素关联模型架构 | 第80-82页 |
| 4.5.1 要素度量变量提取 | 第80页 |
| 4.5.2 模型结构 | 第80-82页 |
| 4.6 模型验证 | 第82-87页 |
| 4.6.1 调查指向 | 第82-83页 |
| 4.6.2 验证流程 | 第83-84页 |
| 4.6.3 数据采集与信度效度检验 | 第84-85页 |
| 4.6.4 数据处理与数据分析 | 第85页 |
| 4.6.5 研究结果 | 第85-87页 |
| 4.7 本章小结 | 第87-88页 |
| 第5章 网络舆情信息情感维度空间构建 | 第88-117页 |
| 5.1 网络舆情信息情感维度空间的概念与构成 | 第88-92页 |
| 5.1.1 网络舆情信息情感维度空间的定义 | 第89-90页 |
| 5.1.2 网络舆情信息情感维度空间的立体构成 | 第90-92页 |
| 5.2 网络舆情信息情感维度空间特征 | 第92-98页 |
| 5.2.1 网络舆情信息情感维度空间的多维特性 | 第92-93页 |
| 5.2.2 网络舆情信息情感维度空间的载体及表现形式 | 第93-95页 |
| 5.2.3 网络舆情信息情感维度空间的中心、范围与边界 | 第95-96页 |
| 5.2.4 网络舆情信息情感维度空间的时间维度与空时特征 | 第96-98页 |
| 5.3 网络舆情信息情感维度空间的构建原则 | 第98-100页 |
| 5.3.1 主观与客观相结合的构建原则 | 第98-99页 |
| 5.3.2 无限与有限相结合的构建原则 | 第99页 |
| 5.3.3 宏观与微观相一致的构建原则 | 第99页 |
| 5.3.4 稳态与动态相结合的构建原则 | 第99-100页 |
| 5.4 基于A–V–P网络舆情信息情感维度空间模型构建 | 第100-111页 |
| 5.4.1 A-V-P心理学情感空间模型的基础 | 第101-102页 |
| 5.4.2 网络舆情信息情感维度空间模型架构 | 第102-105页 |
| 5.4.3 网络舆情信息情感维度子空间的划分 | 第105-110页 |
| 5.4.4 确定网络舆情信息情感子空间权重测度 | 第110-111页 |
| 5.5 情感维度空间中多维情感子空间综合作用机制 | 第111-113页 |
| 5.5.1 网络舆情信息情感子空间场力作用机制 | 第111页 |
| 5.5.2 网络舆情信息情感子空间的维度互动机制 | 第111-113页 |
| 5.6 网络舆情信息情感维度空间运动模式 | 第113-116页 |
| 5.6.1 网络舆情信息情感维度空间的动力模式 | 第113-114页 |
| 5.6.2 网络舆情信息情感维度空间的结构模式 | 第114-115页 |
| 5.6.3 网络舆情信息情感维度空间的跃迁模式 | 第115页 |
| 5.6.4 网络舆情信息情感维度空间的随机模式 | 第115-116页 |
| 5.7 本章小结 | 第116-117页 |
| 第6章 网络舆情信息情感维度空间中情感元解析 | 第117-140页 |
| 6.1 网络舆情信息情感元的概念分析 | 第117-122页 |
| 6.1.1 网络舆情信息情感元的定义 | 第118-119页 |
| 6.1.2 网络舆情信息情感元的空间特征 | 第119-121页 |
| 6.1.3 网络舆情信息情感元的分类 | 第121-122页 |
| 6.2 网络舆情信息情感元与信息情感维度空间关联 | 第122-125页 |
| 6.2.1 单维时序与多维时态关联 | 第123-124页 |
| 6.2.2 多时间线多粒度关联 | 第124-125页 |
| 6.3 信息情感元在网络舆情信息情感空间中的分布 | 第125-128页 |
| 6.3.1 网络舆情信息情感元的分层分布模式 | 第126页 |
| 6.3.2 网络舆情信息情感元的子空间分布特征 | 第126-128页 |
| 6.4 网络舆情多维信息情感元语义库的组成 | 第128-134页 |
| 6.4.1 语义库的逻辑结构 | 第128-129页 |
| 6.4.2 ISED词典构建 | 第129-132页 |
| 6.4.3 舆情信息情感元对象语义特征提取 | 第132-134页 |
| 6.4.4 低层情感元特征和高层情感标签间的语义联通 | 第134页 |
| 6.5 网络舆情信息情感元关联模型 | 第134-138页 |
| 6.5.1 网络舆情信息情感元自动机关联模型 | 第135-136页 |
| 6.5.2 网络舆情信息情感元的语义判定流程 | 第136-137页 |
| 6.5.3 关联模型的静态空间和动态时序特征 | 第137-138页 |
| 6.6 本章小结 | 第138-140页 |
| 第7章 基于多维尺度的网络舆情信息情感元的识别模型构建 | 第140-151页 |
| 7.1 网络舆情信息情感元识别总体框架 | 第140-144页 |
| 7.1.1 网络舆情信息多维情感元识别目标 | 第141-142页 |
| 7.1.2 网络舆情信息情感元识别技术框架 | 第142-143页 |
| 7.1.3 网络舆情信息情感元多维尺度识别方法的选用 | 第143-144页 |
| 7.2 网络舆情信息情感元关联度量影响模型 | 第144-145页 |
| 7.2.1 关联度量影响模型的改进 | 第144-145页 |
| 7.2.2 关联度量模型的正负相关性 | 第145页 |
| 7.3 网络舆情信息维度空间表示和情感元识别的流程 | 第145-148页 |
| 7.3.1 网络舆情信息情感维度要素与AVP三值的关系剖析 | 第146页 |
| 7.3.2 网络舆情信息情感元AVP三值的确定 | 第146-147页 |
| 7.3.3 计算网络舆情信息情感元各个维度的欧式距离 | 第147页 |
| 7.3.4 信息情感元之间的相异性或相似性的判定 | 第147页 |
| 7.3.5 信息情感元与相应子空间的映射关系的确定 | 第147-148页 |
| 7.4 多维尺度信息情感元欧式距离的识别模型 | 第148-150页 |
| 7.4.1 欧式距离的三维表示模型 | 第148-149页 |
| 7.4.2 欧式距离的多维尺度识别模型优化 | 第149-150页 |
| 7.5 本章小结 | 第150-151页 |
| 第8章 实证研究 | 第151-172页 |
| 8.1 实证数据获取 | 第151-156页 |
| 8.1.1 数据集的采集 | 第152-153页 |
| 8.1.2 数据集的标注 | 第153-155页 |
| 8.1.3 分析数据的预处理 | 第155页 |
| 8.1.4 数据分析的注意事项 | 第155-156页 |
| 8.2 网络舆情信息情感维度空间聚类分析 | 第156-161页 |
| 8.2.1 网络舆情事件的信息情感空间数据分布特性 | 第157-159页 |
| 8.2.2 基于点的全局聚类 | 第159页 |
| 8.2.3 基于点的局部聚类 | 第159-160页 |
| 8.2.4 基于点的局部聚类模型 | 第160-161页 |
| 8.3 网络舆情信息情感空间聚类算法 | 第161-163页 |
| 8.3.1 聚类算法的比较分析 | 第161页 |
| 8.3.2 模糊c均值（FCM）聚类算法描述 | 第161-163页 |
| 8.3.3 确定信息情感子空间聚类中心和隶属矩阵 | 第163页 |
| 8.4 研究结果与分析 | 第163-171页 |
| 8.4.1 网络舆情信息情感维度子空间聚类结果 | 第163-165页 |
| 8.4.2 网络舆情信息情感元欧式距离和归属类识别结果 | 第165-166页 |
| 8.4.3 网络舆情信息情感维度子空间隶属频率 | 第166-168页 |
| 8.4.4 网络舆情信息情感元聚集性危机预警结果 | 第168-169页 |
| 8.4.5 信息情感元对舆情演变影响的趋势估计与策略 | 第169-171页 |
| 8.5 本章小结 | 第171-172页 |
| 第9章 总结与展望 | 第172-176页 |
| 9.1 研究结论 | 第172-174页 |
| 9.2 研究局限及展望 | 第174-176页 |
| 致谢 | 第176-177页 |
| 攻读博士期间取得的主要研究成果 | 第177-178页 |
| 参考文献 | 第178-186页 |
