阐述舆情基于语义统计网络舆情挖掘技术网

中文摘要4-6

Abstract6-11

第1章 绪论11-21

1.1 论文探讨背景11-13

1.1.1 舆情和网络舆情11-12

1.1.2 网络舆情挖掘的探讨作用12-13

1.2 国内外网络舆情探讨近况13-17

1.2.1 基于潜在语义浅析的文本分类13-15

1.2.2 情感倾向性分类15-16

1.2.3 网络舆情信息的演变浅析16-17

1.3 本论文的主要探讨内容17-18

1.4 本论文的章节结构18-21

第2章 网络舆情信息挖掘和浅析策略概述21-34

2.1 引言21

2.2 网络舆情信息的采集21-25

2.2.1 舆情信息采集的来源22-23

2.2.2 网络舆情信息采集对策23-25

2.3 基于WEB挖掘的网络舆情信息浅析25-31

2.3.1 网络舆情话题检测与跟踪25-26

2.3.2 基于Web的文本挖掘和分类26-27

2.3.3 文本的情感倾向性浅析27-30

2.3.4 舆情信息的演变和数据流挖掘30-31

2.4 网络舆情挖掘和浅析的架构系统31-33

2.5 本章小结33-34

第3章 网络突发事件舆情信息的分类探讨34-53

3.1 探讨背景34-35

3.2 文本分类的相关策略介绍35-45

3.2.1 文本表示模型35-37

3.2.2 文本的特点选择策略37-40

3.2.3 文本的分类策略40-43

3.2.4 文本分类效果的评价指标43-45

3.3 基于FISHER判别的特点提取策略45-48

3.3.1 Fisher线性判别准则45-46

3.3.2 Fisher线性判别用于文本特点提取46-47

3.3.3 实验结果和浅析47-48

3.4 突发事件舆情信息的分类探讨48-51

3.4.1 网络舆情关键词的选择49-50

3.4.2 突发事件分类语料的获取50

3.4.3 分类性能的比较50-51

3.5 本章小结51-53

第4章 基于局部潜在语义浅析的舆情文本分类53-66

4.1 探讨背景及相关探讨53-54

4.2 潜在语义浅析54-58

4.2.1 潜在语义浅析的原理54-55

4.2.2 奇异值分解55-56

4.2.3 利用奇异值分解计算各种相似联系56-58

4.3 基于局部潜在语义浅析的WEB文本分类58-62

4.3.1 特点词的局部特性58

4.3.2 局部潜在语义浅析58-59

4.3.3 局部区域的生成59-62

4.4 实验及结果浅析62-65

4.4.1 实验数据及预处理62

4.4.2 实验结果及浅析62-65

4.5 本章小结65-66

第5章 网络舆情信息的情感倾向性浅析66-86

5.1 引言66

5.2 情感倾向性浅析的相关探讨66-73

5.2.1 不同粒度的情感倾向性浅析探讨67-73

5.2.2 中文情感浅析评测及语料库73

5.3 基于机器学习的情感倾向性分类策略73-77

5.4 方式匹配和机器学习相结合的情感倾向性分类77-82

5.4.1 PMML策略结构流程78-79

5.4.2 关键词的提取79

5.4.3 方式的提取和匹配79-80

5.4.4 文本的情感倾向性计算80-82

5.5 实验结果及浅析82-85

5.5.1 实验数据来源82-83

5.5.2 数据的处理83

5.5.3 实验设置和结果83-85

5.6 本章小结85-86

第6章 网络舆情信息演变的波动性浅析86-107

6.1 背景介绍86-87

6.2 网络舆情信息演化的统计计量探讨87-88

6.3 网络舆情信息演化的波动性特点88-90

6.4 GARCH类模型相关介绍90-95

6.4.1 GARCH类模型概述90

6.4.2 以ARCH到GARCH90-92

6.4.3 GARCH模型的检验和参数估计92-93

6.4.4 不对称的GARCH类模型93-95

6.5 基于GARCH类模型的舆情信息波动性浅析95-105

6.5.1 探讨对象95-96

6.5.2 数据收集和处理96-100

6.5.3 GARCH模型的建立100-102

6.5.4 不对称性的模型的建立102-105

6.6 本章小结105-107

第7章 总结与展望107-110

7.1 全文工作总结107-108

7.2 进一步的展望108-110