图书介绍

网络舆情分析技术【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

蔡皖东编著著
出版社：北京：电子工业出版社
ISBN：9787121333545
出版时间：2018
标注页数：214页
文件大小：33MB
文件页数：225页
主题词：互联网络－舆论－研究

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：2f2a5505ab7c594f9eecf8ace305ffe3

下载说明

网络舆情分析技术PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章网络舆情概论1

1.1网络舆情概述1

1.1.1舆情与舆论1

1.1.2网络舆情2

1.1.3网络舆情演化3

1.1.4网络舆情实例5

1.2网络舆论空间治理8

1.2.1网络炒作问题8

1.2.2网络大V问题9

1.2.3政务微博作用10

1.3网络舆情传播平台13

1.3.1微博网络13

1.3.2网络论坛15

1.4网络舆情分析技术16

1.4.1网络舆情监测系统16

1.4.2网络信息采集技术17

1.4.3话题检测与跟踪技术20

1.4.4文本情感分析技术22

第2章网络信息采集技术25

2.1引言25

2.2搜索引擎概念25

2.2.1通用搜索引擎25

2.2.2主题搜索引擎27

2.3网络蜘蛛概念29

2.3.1基本概念29

2.3.2通用蜘蛛29

2.3.3主题蜘蛛32

2.4网页搜索算法34

2.4.1网页特征选取34

2.4.2网页搜索算法36

2.4.3链接分级搜索41

2.5网页相似度计算43

2.5.1向量空间模型44

2.5.2相似度计算45

2.6主题蜘蛛组成48

2.6.1系统结构48

2.6.2主题确立模块49

2.6.3爬行模块49

2.6.4相似度计算模块53

2.6.5搜索策略模块53

2.6.6系统界面54

第3章微博网络信息传播机制56

3.1引言56

3.2微博用户转发特性57

3.2.1转发行为特性57

3.2.2转发特性分析61

3.3微博转发行为预测66

3.3.1预测算法66

3.3.2算法验证72

3.4微博转发峰值分析76

3.4.1时间序列概念76

3.4.2峰值特性分析77

3.5微博意见领袖识别87

3.5.1识别方法87

3.5.2算法验证89

第4章网络论坛舆情传播机制94

4.1引言94

4.2网络论坛舆情形成模型95

4.2.1网络论坛结构95

4.2.2舆情形成模型96

4.2.3模型验证98

4.3网络论坛意见领袖识别100

4.3.1论坛有向网络图模型101

4.3.2论坛意见领袖识别算法102

4.3.3算法验证103

4.4网络水军热帖检测106

4.4.1热点话题特征提取107

4.4.2水军热帖检测算法110

4.4.3算法验证110

4.5网络水军账号检测112

4.5.1检测算法113

4.5.2算法验证116

第5章话题检测与跟踪技术119

5.1引言119

5.2基本概念120

5.2.1 TDT目标和任务120

5.2.2 TDT语料122

5.2.3 TDT评价指标122

5.3相关技术124

5.3.1表示模型124

5.3.2相似度计算125

5.3.3特征项选取126

5.3.4文本聚类127

5.3.5文本分类130

5.4话题检测算法133

5.4.1 K-MEANS算法133

5.4.2模糊聚类方法135

5.4.3蚁群聚类算法138

5.4.4算法验证139

5.5话题跟踪算法145

5.5.1 KNN算法及改进145

5.5.2算法验证146

5.6热点话题检测148

5.6.1检测方法148

5.6.2算法验证151

第6章文本分割技术155

6.1引言155

6.2基本概念156

6.2.1文本分割点156

6.2.2文本分割方法157

6.2.3文本分割算法评价159

6.3基于LDA模型的文本分割161

6.3.1 LDA模型161

6.3.2 LDA模型改进165

6.3.3相似度计算167

6.3.4边界识别策略168

6.3.5算法验证169

6.4基于VSM模型的文本分割174

6.4.1特征项选取174

6.4.2语义段分割方法176

6.4.3算法验证179

第7章文本情感分析技术181

7.1引言181

7.2基本概念182

7.2.1文本情感分析层次182

7.2.2文本情感分析方法184

7.2.3语言建模方法184

7.3句子情感分析方法185

7.3.1主题句识别方法185

7.3.2主观句识别方法189

7.3.3主观关系识别方法192

7.3.4算法验证195

7.4段落情感分析方法198

7.4.1语义段句子情感标注199

7.4.2语义段句子权重计算199

7.4.3语义段情感计算方法200

7.4.4算法验证202

7.5文本情感分析模型205

7.5.1文本情感模型205

7.5.2模型参数估计208

7.5.3语言模型评价209

7.5.4算法验证211

参考文献214