| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究及应用现状 | 第11-13页 |
| 1.2.1 国外现状 | 第11-12页 |
| 1.2.2 国内现状 | 第12-13页 |
| 1.3 本文章节安排 | 第13-15页 |
| 第2章 网络舆情监控系统组成及关键技术 | 第15-37页 |
| 2.1 网络舆情监控系统 | 第15-18页 |
| 2.1.1 网络舆情的基本特征 | 第15-16页 |
| 2.1.2 网络舆情监控系统的系统组成 | 第16-17页 |
| 2.1.3 网络舆情监控的难点 | 第17-18页 |
| 2.2 数据抓取技术 | 第18-23页 |
| 2.2.1 传统的网络爬虫技术和搜索引擎技术 | 第18-20页 |
| 2.2.2 聚焦爬虫和垂直搜索技术 | 第20-21页 |
| 2.2.3 查询扩展技术 | 第21-23页 |
| 2.3 数据预处理技术 | 第23-33页 |
| 2.3.1 网页去噪技术 | 第24-25页 |
| 2.3.2 信息抽取 | 第25-29页 |
| 2.3.3 文本分类技术 | 第29-32页 |
| 2.3.4 文本聚类技术 | 第32-33页 |
| 2.4 数据分析技术 | 第33-36页 |
| 2.4.1 舆情热点发现技术 | 第34-35页 |
| 2.4.2 文本倾向性分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于异构数据的信息推理 | 第37-49页 |
| 3.1 异构数据概述 | 第37-40页 |
| 3.1.1 异构数据 | 第37页 |
| 3.1.2 异构数据集成难点 | 第37-38页 |
| 3.1.3 异构数据库 | 第38-40页 |
| 3.2 异构数据集成 | 第40-43页 |
| 3.2.1 JDBC数据集成 | 第40-41页 |
| 3.2.2 COM数据集成 | 第41-42页 |
| 3.2.3 基于XML中间件的异构数据集成 | 第42-43页 |
| 3.3 基于异构数据的信息推理 | 第43-44页 |
| 3.4 公安部门基于集成异构数据的舆情监控使用实例 | 第44-48页 |
| 3.4.1 与移动通信数据库的配合使用 | 第44-45页 |
| 3.4.2 多账户、多IP言论的过滤 | 第45-47页 |
| 3.4.3 基于集成异构数据的案件处理 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 舆情分析系统分析与设计 | 第49-59页 |
| 4.1 系统分析 | 第49-50页 |
| 4.1.1 需求分析 | 第49页 |
| 4.1.2 可行性分析 | 第49-50页 |
| 4.2 系统功能与架构设计 | 第50-52页 |
| 4.2.1 系统功能模块 | 第50-51页 |
| 4.2.2 系统结构设计 | 第51-52页 |
| 4.3 数据库设计 | 第52-54页 |
| 4.4 基于XML的异构数据库集成设计 | 第54-58页 |
| 4.4.1 XML与JDBC数据源的互相转换 | 第54-56页 |
| 4.4.2 XML与COM数据源的互相转换 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 舆情监控系统实现 | 第59-63页 |
| 5.1 系统技术原理 | 第59页 |
| 5.2 系统实现 | 第59-63页 |
| 5.2.1 登陆界面 | 第59-60页 |
| 5.2.2 新闻和微博监控 | 第60-61页 |
| 5.2.3 舆情热点发现和趋势分析 | 第61-62页 |
| 5.2.4 网络舆情报告 | 第62-63页 |
| 第6章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |