| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 网络舆情热点提取与分析的主要技术路线 | 第10页 |
| 1.2.2 网络舆情数据采集 | 第10-11页 |
| 1.2.3 网络舆情数据关键词提取 | 第11页 |
| 1.2.4 命名实体识别算法 | 第11-12页 |
| 1.2.5 网络舆情热点提取与分析 | 第12页 |
| 1.3 本文研究内容和结构安排 | 第12-15页 |
| 第二章 网络舆情数据采集与预处理 | 第15-25页 |
| 2.1 舆情信息的采集 | 第15-17页 |
| 2.1.1 网络爬虫基本原理 | 第15-16页 |
| 2.1.2 改进网络爬虫方法 | 第16-17页 |
| 2.2 舆情信息的多层次预处理 | 第17-18页 |
| 2.3 网络舆情文本的关键词提取 | 第18-24页 |
| 2.3.1 针对关键词提取所做的约定 | 第18-19页 |
| 2.3.2 关键词提取算法分析 | 第19-21页 |
| 2.3.3 关键词提取实验数据分析 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 中文命名实体识别分析 | 第25-34页 |
| 3.1 舆情文本命名实体识别的特点与难点分析 | 第25-26页 |
| 3.2 基于规则和统计结合的人名识别算法 | 第26-30页 |
| 3.2.1 姓名在舆情文本中存在的形式 | 第26页 |
| 3.2.2 人名识别算法分析 | 第26-30页 |
| 3.3 舆情地名分析 | 第30-33页 |
| 3.3.1 地名关联表的建立 | 第30-32页 |
| 3.3.2 地名关联与归属分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于标题特征词和抽样层次聚类的热点发现算法 | 第34-45页 |
| 4.1 文本表述模型 | 第34页 |
| 4.2 聚类算法基础介绍 | 第34-37页 |
| 4.2.1 层次聚类算法 | 第35-37页 |
| 4.2.2 非层次聚类算法 | 第37页 |
| 4.3 基于抽样的层次聚类方法发现舆情热点算法 | 第37-44页 |
| 4.3.1 算法设计 | 第37-42页 |
| 4.3.2 算法实验与结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 网络舆情热点分析 | 第45-54页 |
| 5.1 舆情指数的定义 | 第45-47页 |
| 5.2 舆情指数的计算 | 第47-50页 |
| 5.3 舆情热点案例分析 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |