| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 研究问题的提出 | 第13-14页 |
| 1.3 论文的主要工作及创新点 | 第14-15页 |
| 1.3.1 论文的主要工作 | 第14-15页 |
| 1.3.2 论文的创新点 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 国内外研究现状 | 第17-22页 |
| 2.1 搜索引擎意图识别 | 第17-19页 |
| 2.2 消费意图分析和挖掘 | 第19-20页 |
| 2.3 微博事件参与意图 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于短文本的互联网用户意图识别研究方案 | 第22-31页 |
| 3.1 研究框架 | 第22-23页 |
| 3.2 数据采集 | 第23-27页 |
| 3.2.1 交互帖数据采集 | 第24-25页 |
| 3.2.2 微博数据采集 | 第25-27页 |
| 3.3 数据预处理 | 第27-30页 |
| 3.3.1 中文分词 | 第27-30页 |
| 3.3.2 数据清洗 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 用户意图模型及匹配方法 | 第31-47页 |
| 4.1 Verb-BTM主题意图模型 | 第32-36页 |
| 4.1.1 BTM模型 | 第32-34页 |
| 4.1.2 意图的主题挖掘方法 | 第34-35页 |
| 4.1.3 意图识别 | 第35-36页 |
| 4.2 LDA主题模型原理 | 第36-38页 |
| 4.3 Verb-BTM实验结果及分析 | 第38-41页 |
| 4.3.1 意图的主题挖掘实验结果与分析 | 第38-39页 |
| 4.3.2 意图识别实验结果及分析 | 第39-41页 |
| 4.4 意图匹配方法 | 第41-42页 |
| 4.5 意图匹配实验结果与分析 | 第42-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 微博事件参与者意图识别方法 | 第47-72页 |
| 5.1 特定主题舆情事件发现及改进方法 | 第47-51页 |
| 5.1.1 DQE发现环保微博事件 | 第47-49页 |
| 5.1.2 结合情绪分析的微博事件发现改进方法 | 第49-51页 |
| 5.2 特定事件发现实验结果与分析 | 第51-53页 |
| 5.2.1 数据与标注事件 | 第51页 |
| 5.2.2 DQE方法结果 | 第51-52页 |
| 5.2.3 改进方法结果 | 第52-53页 |
| 5.3 微博参与者意图识别特征 | 第53-56页 |
| 5.3.1 文本内容特征 | 第53页 |
| 5.3.2 文本情感特征 | 第53-54页 |
| 5.3.3 文本社会态度特征 | 第54-56页 |
| 5.4 微博参与者意图识别实验结果与分析 | 第56-70页 |
| 5.4.1 事件主题结果与分析 | 第57-61页 |
| 5.4.2 事件动态词扩展结果与分析 | 第61-62页 |
| 5.4.3 事件情绪值对比分析及差异性检验 | 第62-65页 |
| 5.4.4 事件14维社会心态对比分析及差异性检验 | 第65-67页 |
| 5.4.5 人民网舆情分析结果对比 | 第67-69页 |
| 5.4.6 LASSO线性回归验证特征的有效性 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 意图识别原型设计 | 第72-76页 |
| 6.1 系统结构 | 第72页 |
| 6.2 系统实现流程 | 第72-73页 |
| 6.3 系统模块设计 | 第73-74页 |
| 6.4 结果展示 | 第74-76页 |
| 第七章 总结和展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 附录 | 第85页 |