| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-16页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 敏感文本中的常用表达方式 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 舆情监控技术研究现状 | 第10-12页 |
| 1.3.2 维吾尔语的翻译现状 | 第12-13页 |
| 1.4 论文的主要工作及组织结构 | 第13-16页 |
| 第二章 需求分析与总体架构 | 第16-19页 |
| 2.1 需求分析 | 第16-17页 |
| 2.2 本文的主要工作 | 第17页 |
| 2.3 系统总体结构 | 第17-19页 |
| 第三章 维吾尔语帖子的自动获取与处理 | 第19-26页 |
| 3.1 获取维语贴子及预处理 | 第19-20页 |
| 3.2 文本特征提取及表示 | 第20-26页 |
| 3.2.1 维语文本特征提取 | 第20-21页 |
| 3.2.2 维语帖子的文本表式 | 第21-26页 |
| 第四章 维吾尔语的网络敏感词汇的识别 | 第26-33页 |
| 4.1 敏感词汇库的管理 | 第26-27页 |
| 4.2 维吾尔语文本中的敏感词汇识别 | 第27-33页 |
| 4.2.1 帖子中的重要属性的提取 | 第27-28页 |
| 4.2.2 敏感词汇检测子程序 | 第28-30页 |
| 4.2.3 点击率和回复率的计算 | 第30-33页 |
| 第五章 维吾尔语文本的敏感性判别 | 第33-48页 |
| 5.1 使用 C4.5 算法进行文本敏感度判别 | 第33-38页 |
| 5.1.1 帖子数据采集与离散化处理 | 第33-36页 |
| 5.1.2 计算各属性信息增益值及建立决策树 | 第36-37页 |
| 5.1.3 总结与评价 | 第37-38页 |
| 5.2 使用 BP 神经网络对文本敏感度判别 | 第38-42页 |
| 5.2.1 神经元模型 | 第38-39页 |
| 5.2.2 BP 神经网络 | 第39-40页 |
| 5.2.3 BP 神经网络敏感度判别模型 | 第40-42页 |
| 5.3 实验与分析 | 第42-48页 |
| 5.3.1 文本敏感程度判别模型建立流程 | 第42-43页 |
| 5.3.2 BP 网络实现舆情敏感程度判别模型 | 第43页 |
| 5.3.3 实验数据及结果分析 | 第43-48页 |
| 第六章 舆情信息的维、汉概要翻译 | 第48-54页 |
| 6.1 MICROSOFT TRANSLATOR HUB 的工作原理及体系架构 | 第48-51页 |
| 6.1.1 Microsoft Translator Hub 工作原理 | 第48-49页 |
| 6.1.2 Microsoft Translator Hub 体系架构 | 第49-51页 |
| 6.2 基于 MICROSOFT TRANSLATOR HUB 维-汉概要互译 | 第51-54页 |
| 第七章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 硕士期间发表论文 | 第59-60页 |
| 致谢 | 第60页 |
