基于主题模型的舆情分析子系统研究与设计
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景与研究意义 | 第11-13页 |
| ·网络舆情概念和特点 | 第11-12页 |
| ·网络舆情分析及其意义 | 第12页 |
| ·网络舆情分析面临的挑战 | 第12-13页 |
| ·舆情分析相关研究现状 | 第13-15页 |
| ·舆情系统总体研究现状 | 第13-14页 |
| ·舆情相关技术研究 | 第14-15页 |
| ·主要工作与研究特色 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 舆情分析相关技术基础 | 第17-26页 |
| ·文本的表示 | 第17-21页 |
| ·中文分词 | 第17-18页 |
| ·空间向量模型 | 第18-19页 |
| ·主题模型 | 第19-21页 |
| ·文本分类 | 第21-25页 |
| ·朴素贝叶斯分类器 | 第21-22页 |
| ·贝叶斯网络 | 第22-23页 |
| ·支持向量机 | 第23-24页 |
| ·决策树 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于 LDA 模型的关键算法研究与分析 | 第26-43页 |
| ·LDA 模型研究 | 第26-29页 |
| ·LDA 模型介绍 | 第26-27页 |
| ·LDA 模型的参数估计 | 第27-28页 |
| ·使用训练好的模型表示新文本 | 第28-29页 |
| ·基于 LDA 模型和 SVM 的文本细粒度分类 | 第29-37页 |
| ·分类算法选择和测试 | 第29-32页 |
| ·粗粒度文本分类测试与结果分析 | 第32-34页 |
| ·细粒度文本分类测试与结果分析 | 第34-37页 |
| ·基于 LDA 的关键词和最短摘要提取算法 | 第37-39页 |
| ·基于 LDA 的关键词提取算法 | 第37-38页 |
| ·基于 LDA 的最短摘要提取算法 | 第38-39页 |
| ·基于决策树的单页面综合舆情判决 | 第39-42页 |
| ·单页面舆情判决模型 | 第39-40页 |
| ·舆情判决特征选择 | 第40-41页 |
| ·决策树构建测试 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 舆情分析系统总体设计 | 第43-48页 |
| ·舆情分析子整体架构 | 第43页 |
| ·分析子系统数据流向 | 第43-44页 |
| ·分析子系统层次划分 | 第44-47页 |
| ·核心控制层 | 第44-45页 |
| ·舆情分析层 | 第45页 |
| ·辅助功能层 | 第45-47页 |
| ·交互层 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 舆情分析系统详细设计 | 第48-78页 |
| ·数据库设计 | 第48-52页 |
| ·NoSQL 和 MongoDB 简介 | 第48-49页 |
| ·重要数据表设计 | 第49-52页 |
| ·核心控制层 | 第52-55页 |
| ·通信管理 | 第52-53页 |
| ·运行调度 | 第53-54页 |
| ·指令系统 | 第54-55页 |
| ·舆情分析层 | 第55-69页 |
| ·文本预处理与中文分词 | 第56-58页 |
| ·关键词与关键句式匹配 | 第58-60页 |
| ·主题特征表示 | 第60-63页 |
| ·舆情分类 | 第63-65页 |
| ·综合判定和后续处理 | 第65-67页 |
| ·关键词与摘要抽取 | 第67-69页 |
| ·辅助功能层 | 第69-77页 |
| ·索引模块 | 第69-72页 |
| ·报告模块 | 第72-75页 |
| ·通知系统 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 测试与分析 | 第78-87页 |
| ·测试环境介绍 | 第78页 |
| ·性能测试 | 第78-82页 |
| ·功能测试 | 第82-86页 |
| ·舆情预警 | 第82-84页 |
| ·综合分析报告 | 第84-85页 |
| ·舆情检索 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第七章 总结与展望 | 第87-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 攻硕期间取得的研究成果 | 第93-94页 |
