| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究思路与方法 | 第15-16页 |
| 1.4 研究内容与创新点 | 第16-18页 |
| 2 网络舆情分析相关理论 | 第18-26页 |
| 2.1 网络舆情概述 | 第18-19页 |
| 2.2 网络舆情演变机制 | 第19-21页 |
| 2.3 网络舆情分析技术 | 第21-25页 |
| 2.3.1 网络舆情内容分析 | 第22-24页 |
| 2.3.2 网络舆情运动特征分析 | 第24页 |
| 2.3.3 网络舆情信息受众分析 | 第24-25页 |
| 2.4 网络舆情的作用 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 新浪微博的数据获取与处理 | 第26-38页 |
| 3.1 新浪微博的数据获取 | 第26-27页 |
| 3.1.1 新浪微博开放平台API获取数据 | 第26-27页 |
| 3.1.2 爬虫获取微博数据 | 第27页 |
| 3.2 微博数据的预处理 | 第27-30页 |
| 3.2.1 中文文本分词 | 第27-28页 |
| 3.2.2 词性标注 | 第28-29页 |
| 3.2.3 去停用词和特殊字符 | 第29-30页 |
| 3.3 文本情感分析 | 第30-36页 |
| 3.3.1 基于情感词典的文本情感分析 | 第30-32页 |
| 3.3.2 基于机器学习算法的情感分类 | 第32-35页 |
| 3.3.3 改进的综合分类方法 | 第35-36页 |
| 3.4 文本聚类分析 | 第36-37页 |
| 3.4.1 基于K-means的文本聚类算法 | 第36页 |
| 3.4.2 网络舆情中文本聚类的作用 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于“无人超市”主题的网络舆情分析研究 | 第38-49页 |
| 4.0 实验环境与实验数据的获取 | 第38-39页 |
| 4.1 文本数据预处理 | 第39-41页 |
| 4.2 关键词提取及词云图展示 | 第41-42页 |
| 4.3 微博文本情感分析 | 第42-46页 |
| 4.3.1 评价指标 | 第43页 |
| 4.3.2 基于SO-PMI算法的词典情感分类流程 | 第43-44页 |
| 4.3.3 基于SVM算法的词典情感分类流程 | 第44-45页 |
| 4.3.4 结合词典与机器学习的综合情感分类 | 第45-46页 |
| 4.4 网络舆情聚类分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 基于网络舆情分析的零售业企业运营对策与建议 | 第49-56页 |
| 5.1 “无人超市”的企业微博运营策略 | 第49-53页 |
| 5.1.1 企业微博 | 第49-50页 |
| 5.1.2 内容运营策略分析 | 第50-52页 |
| 5.1.3 运营渠道的策略分析 | 第52-53页 |
| 5.2 新零售时代下企业运营策略 | 第53-55页 |
| 5.2.1 “新零售”运营模式 | 第53-54页 |
| 5.2.2 “新零售”运营预警机制 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 研究总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 在校期间发表的论文、科研成果等 | 第62-63页 |
| 致谢 | 第63页 |