| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-18页 |
| 2 高校网络舆情数据获取和预处理 | 第18-26页 |
| 2.1 网络爬虫 | 第18-22页 |
| 2.2 网页数据抽取 | 第22页 |
| 2.3 数据预处理 | 第22-24页 |
| 2.3.1 网页数据预处理 | 第22-23页 |
| 2.3.2 中文分词 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 3 高校网络舆情的热点话题检测 | 第26-46页 |
| 3.1 传统高校网络舆情话题检测的问题 | 第26-27页 |
| 3.2 Word2vec和LDA结合的文本特征表示 | 第27-32页 |
| 3.2.1 Word2vec模型 | 第27-30页 |
| 3.2.2 LDA文本建模 | 第30-32页 |
| 3.3 基于Single-Pass&HAC聚类算法的话题检测 | 第32-37页 |
| 3.4 话题热点度量 | 第37-39页 |
| 3.5 实验结果与分析 | 第39-44页 |
| 3.5.1 实验数据 | 第39-40页 |
| 3.5.2 实验评价指标 | 第40-41页 |
| 3.5.3 实验结果分析 | 第41-44页 |
| 3.6 本章小结 | 第44-46页 |
| 4 高校网络舆情的话题情感倾向性分析 | 第46-56页 |
| 4.1 基于词典和规则的方法 | 第46-50页 |
| 4.1.1 构建情感字典 | 第47页 |
| 4.1.2 语义规则处理 | 第47-49页 |
| 4.1.3 计算情感倾向值 | 第49-50页 |
| 4.2 基于Word2vec的情感词典扩建 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-54页 |
| 4.3.1 情感倾向性分析方法比较结果 | 第51-52页 |
| 4.3.2 基于Word2vec的情感词典扩建结果 | 第52-53页 |
| 4.3.3 话题情感倾向性走势分析 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 系统的设计和实现 | 第56-84页 |
| 5.1 系统功能模块设计 | 第56-62页 |
| 5.1.1 舆情数据获取和预处理模块 | 第57-59页 |
| 5.1.2 舆情数据分析和处理模块 | 第59页 |
| 5.1.3 舆情展示和管理模块设计 | 第59-62页 |
| 5.2 系统数据库和索引设计 | 第62-67页 |
| 5.3 系统功能模块实现和展示 | 第67-81页 |
| 5.3.1 系统开发说明 | 第67-69页 |
| 5.3.2 敏感词统计和管理 | 第69-70页 |
| 5.3.3 热点话题检测 | 第70-73页 |
| 5.3.4 话题趋势变化 | 第73页 |
| 5.3.5 情感倾向性分析 | 第73-76页 |
| 5.3.6 舆情信息检索 | 第76-77页 |
| 5.3.7 舆情信息展示 | 第77-78页 |
| 5.3.8 新闻热点聚焦 | 第78-81页 |
| 5.3.9 系统配置和用户管理 | 第81页 |
| 5.4 本章小结 | 第81-84页 |
| 6 总结与展望 | 第84-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 附录 | 第92页 |
| A.攻读学位期间申请的专利 | 第92页 |
| B.攻读学位期间参与的科研项目 | 第92页 |
