| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 课题国外研究现状 | 第8-10页 |
| 1.2.2 课题国内研究现状 | 第10-11页 |
| 1.3 本课题主要的研究工作 | 第11-13页 |
| 第2章 系统理论和关键技术原理 | 第13-27页 |
| 2.1 网络舆情理论 | 第13页 |
| 2.2 数据采集的相关技术 | 第13-14页 |
| 2.3 文本的预处理 | 第14-18页 |
| 2.3.1 文本分类的特征提取 | 第15页 |
| 2.3.2 特征的离散表示 | 第15-16页 |
| 2.3.3 基于分布式表示的特征 | 第16-17页 |
| 2.3.4 基于词向量表示的特征 | 第17-18页 |
| 2.4 特征提取 | 第18-20页 |
| 2.4.1 特征选择 | 第18-19页 |
| 2.4.2 特征降维 | 第19页 |
| 2.4.3 特征统计算法 | 第19-20页 |
| 2.5 几种常用的分类算法 | 第20-25页 |
| 2.5.1 朴素贝叶斯 | 第20-21页 |
| 2.5.2 支持向量机 | 第21-22页 |
| 2.5.3 逻辑回归 | 第22-23页 |
| 2.5.4 随机梯度下降 | 第23-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 Word2vec与Doc2vec的模型对比实验研究 | 第27-42页 |
| 3.1 Word2vec模型 | 第27-32页 |
| 3.1.1 CBOW模型 | 第28-31页 |
| 3.1.2 Skip-gram模型 | 第31-32页 |
| 3.2 Doc2vec模型 | 第32-34页 |
| 3.2.1 DM模型 | 第32-33页 |
| 3.2.2 DBOW模型 | 第33-34页 |
| 3.3 模型的关键词检索测试 | 第34-35页 |
| 3.4 模型评价标准 | 第35-37页 |
| 3.5 实验结果及分析 | 第37-40页 |
| 3.5.1 实验流程和实验对比验证 | 第37-39页 |
| 3.5.2 参数对比 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 舆情监测系统的设计 | 第42-50页 |
| 4.1 系统需求分析 | 第42-43页 |
| 4.2 主要模块介绍 | 第43-44页 |
| 4.3 数据采集系统的研究 | 第44-47页 |
| 4.3.1 采集技术介绍 | 第44-45页 |
| 4.3.2 语料采集流程 | 第45-47页 |
| 4.4 文本分类系统 | 第47-48页 |
| 4.5 舆情展示系统 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 下一步的工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间科研情况 | 第56-57页 |
| 致谢 | 第57-58页 |