| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景及选题意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 网络舆情分析基本理论研究 | 第15-27页 |
| 2.1 网络舆情定义及特征分析 | 第15-16页 |
| 2.1.1 网络舆情定义 | 第15-16页 |
| 2.1.2 网络舆情特征分析 | 第16页 |
| 2.2 网页信息获取技术 | 第16-18页 |
| 2.2.1 元搜索引擎 | 第17页 |
| 2.2.2 网页信息抽取 | 第17-18页 |
| 2.2.3 网页爬虫 | 第18页 |
| 2.3 文本预处理技术 | 第18-20页 |
| 2.3.1 中文分词技术 | 第18-19页 |
| 2.3.2 特征选择 | 第19-20页 |
| 2.3.3 特征加权 | 第20页 |
| 2.4 文本分类 | 第20-24页 |
| 2.4.1 分类器训练 | 第21-23页 |
| 2.4.2 分类性能评估 | 第23-24页 |
| 2.5 文本聚类 | 第24-25页 |
| 2.5.1 文本聚类算法 | 第24页 |
| 2.5.2 聚类性能评估 | 第24-25页 |
| 2.6 文本相似度计算 | 第25-27页 |
| 2.6.1 文本相似度计算概述 | 第25-26页 |
| 2.6.2 基于语义的计算 | 第26-27页 |
| 第3章 热点话题发现与识别 | 第27-36页 |
| 3.1 热点话题发现与识别流程分析 | 第27-28页 |
| 3.2 基于k-means算法的回溯发现与识别 | 第28-29页 |
| 3.3 基于single-pass算法的在线发现与识别 | 第29-31页 |
| 3.4 改进的single-pass算法 | 第31-32页 |
| 3.5 实验及结果分析 | 第32-36页 |
| 3.5.1 实验结果评价指标 | 第32-33页 |
| 3.5.2 实验环境与实验准备 | 第33-34页 |
| 3.5.3 实验数据 | 第34页 |
| 3.5.4 实验结果及分析 | 第34-36页 |
| 第4章 敏感舆情预警监控 | 第36-45页 |
| 4.1 KNN算法在敏感舆情预警监控中的应用 | 第36-37页 |
| 4.2 KNN算法原理分析及其改进 | 第37-40页 |
| 4.2.1 各类别样本数量差异 | 第37-40页 |
| 4.2.2 各类别样本分布不均衡 | 第40页 |
| 4.3 实验及结果分析 | 第40-45页 |
| 4.3.1 舆情主题分类 | 第41-42页 |
| 4.3.2 实验数据集选取 | 第42页 |
| 4.3.3 实验工具与方法 | 第42-43页 |
| 4.3.4 实验结果分析 | 第43-45页 |
| 第5章 舆情情感倾向性分析 | 第45-53页 |
| 5.1 文本倾向性分析概述 | 第45-46页 |
| 5.2 词语倾向性分析 | 第46-51页 |
| 5.2.1 语义相似度计算方法 | 第46-47页 |
| 5.2.2 《知网》介绍 | 第47-48页 |
| 5.2.3 通过《知网》计算词语的语义相似度 | 第48-51页 |
| 5.3 文本倾向性分析 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间公开发表论文 | 第58-59页 |
| 致谢 | 第59页 |