智能信息处理技术在互联网舆情分析中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 引言 | 第10-17页 |
| ·问题的提出 | 第10页 |
| ·几个相关概念 | 第10-12页 |
| ·互联网舆情分析的系统构成 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文的工作 | 第15-17页 |
| ·研究目标与内容 | 第15页 |
| ·研究成果 | 第15-16页 |
| ·论文组织 | 第16-17页 |
| 第2章 舆情信息智能分析系统研究与技术 | 第17-22页 |
| ·舆情信息智能分析的研究 | 第17-18页 |
| ·相关技术介绍 | 第18-22页 |
| ·文本聚类和分类技术 | 第18-19页 |
| ·主题检测与追踪技术 | 第19-20页 |
| ·关键词和摘要提取技术 | 第20页 |
| ·文本情感分析技术 | 第20-22页 |
| 第3章 互联网舆情热点的动态检测技术 | 第22-33页 |
| ·主题检测方法概述 | 第22-24页 |
| ·舆情热点动态检测算法的提出 | 第24-29页 |
| ·方法思路 | 第24-25页 |
| ·具体步骤 | 第25-27页 |
| ·实现方法 | 第27-29页 |
| ·实验测试及结果 | 第29-32页 |
| ·测试设计 | 第29页 |
| ·测试结果 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 多文档的自动关键词提取技术 | 第33-41页 |
| ·关键词抽取方法概述 | 第33-34页 |
| ·多文档的自动关键词抽取算法 | 第34-36页 |
| ·问题分析 | 第34-35页 |
| ·具体步骤 | 第35-36页 |
| ·实验测试及结果 | 第36-40页 |
| ·测试设计 | 第36-38页 |
| ·实验测试结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 互联网舆情的褒贬分析技术 | 第41-68页 |
| ·文本褒贬分析方法概述 | 第41-44页 |
| ·现有语言资源 | 第41-42页 |
| ·词汇褒贬分析的研究现状 | 第42-43页 |
| ·文档褒贬分析的研究现状 | 第43页 |
| ·观点抽取和摘要的研究现状 | 第43-44页 |
| ·词汇褒贬分析的研究 | 第44-49页 |
| ·基于搜索引擎摘要的词汇褒贬计算算法的提出 | 第44-47页 |
| ·基于同义词词林的词汇褒贬计算算法的提出 | 第47-49页 |
| ·文档褒贬分析的研究 | 第49-52页 |
| ·基于褒贬词典的文档褒贬分析算法 | 第49-51页 |
| ·基于机器学习的文档褒贬分析算法 | 第51-52页 |
| ·舆情热点的观点抽取 | 第52-53页 |
| ·实验测试及结果 | 第53-66页 |
| ·词汇褒贬实验测试 | 第53-61页 |
| ·文档褒贬实验测试 | 第61-64页 |
| ·观点抽取实验测试 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 应用实例-舆情监控分析系统 | 第68-73页 |
| ·舆情监控分析系统结构 | 第68-69页 |
| ·智能信息处理模块介绍 | 第69-71页 |
| ·热点检测和分析的具体应用 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第7章 总结与展望 | 第73-75页 |
| ·论文工作总结 | 第73-74页 |
| ·前景和展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附录1 词性标注集 | 第79-80页 |
| 附录2 主题列表 | 第80-81页 |
| 个人简历 在读期间发表的学术论文和研究成果 | 第81页 |
