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