發(fā)布時(shí)間：2023-02-05 12:16

　　互聯(lián)網(wǎng)已經(jīng)成為大家一種不可或缺的社會(huì)生活方式,它既是大量信息的來源,也是網(wǎng)絡(luò)犯罪的溫床,近年來頻發(fā)的網(wǎng)絡(luò)輿情事件,特別是社會(huì)民生類的網(wǎng)絡(luò)輿情事件,對(duì)我國公共部門的形象造成了較為嚴(yán)重的影響,也給有關(guān)部門帶來了很大壓力。因此,采取一定的措施來對(duì)網(wǎng)絡(luò)輿情進(jìn)行正面的引導(dǎo),及時(shí)處理掉那些潛在的危害因素,對(duì)我國社會(huì)的治安維穩(wěn)有很重要的現(xiàn)實(shí)意義。本論文參考了國內(nèi)外各個(gè)輿論分析系統(tǒng)的不同功能和應(yīng)用方法,針對(duì)網(wǎng)絡(luò)輿情文本的特點(diǎn),設(shè)計(jì)了網(wǎng)絡(luò)輿情文本多標(biāo)簽標(biāo)注系統(tǒng)。在進(jìn)行正文提取、中文分詞、去停用詞等預(yù)處理之后,利用卷積神經(jīng)網(wǎng)絡(luò)能高度抽象事物特征、容錯(cuò)性好、自適應(yīng)性好的特性,對(duì)處理好的新浪微博正文進(jìn)行多標(biāo)簽分類,并在Web頁面上展示分類結(jié)果以及各類別文本的數(shù)量、所占百分比等統(tǒng)計(jì)性數(shù)據(jù),完成系統(tǒng)和用戶之間的數(shù)據(jù)交互。最終使得有關(guān)部門能深入分析網(wǎng)絡(luò)輿情熱點(diǎn)動(dòng)向,全面而準(zhǔn)確地掌握輿情特征,最終實(shí)現(xiàn)數(shù)據(jù)挖掘。通過對(duì)網(wǎng)絡(luò)輿情熱點(diǎn)的深入分析,本論文確定了適用于網(wǎng)絡(luò)輿情文本的分類體系。該分類體系包括了六個(gè)主要的類別,分別是資源環(huán)境、國家安全、社會(huì)穩(wěn)定、政府執(zhí)政、日常生活以及個(gè)人行為,它們從不同的領(lǐng)域和層次對(duì)網(wǎng)絡(luò)輿情文本進(jìn)...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本課題研究背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 網(wǎng)絡(luò)輿情
        1.2.2 文本分類
        1.2.3 人工神經(jīng)網(wǎng)絡(luò)
    1.3 論文研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 基礎(chǔ)理論
    2.1 網(wǎng)絡(luò)輿情
        2.1.1 網(wǎng)絡(luò)輿情的定義
        2.1.2 網(wǎng)絡(luò)輿情的特點(diǎn)
    2.2 文本分類
        2.2.1 預(yù)處理
        2.2.2 單標(biāo)簽分類
        2.2.3 多標(biāo)簽分類
    2.3 人工神經(jīng)網(wǎng)絡(luò)
        2.3.1 人工神經(jīng)網(wǎng)絡(luò)
        2.3.2 深度神經(jīng)網(wǎng)絡(luò)
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 需求分析
    3.1 問題分析
        3.1.1 數(shù)據(jù)來源
        3.1.2 多標(biāo)簽分類體系
        3.1.3 多標(biāo)簽分類算法
        3.1.4 展示方法
    3.2 數(shù)據(jù)流轉(zhuǎn)換
    3.3 系統(tǒng)需求
        3.3.1 功能需求
        3.3.2 非功能性需求
    3.4 本章小結(jié)
第四章 系統(tǒng)設(shè)計(jì)
    4.1 系統(tǒng)總體設(shè)計(jì)
    4.2 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)
    4.3 系統(tǒng)模塊設(shè)計(jì)
        4.3.1 輿情數(shù)據(jù)采集
        4.3.2 預(yù)處理
        4.3.3 多標(biāo)簽分類
        4.3.4 Web頁面展示
    4.4 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡(luò)的文本多標(biāo)簽分類
    5.1 卷積神經(jīng)網(wǎng)絡(luò)
        5.1.1 神經(jīng)網(wǎng)絡(luò)層
        5.1.2 反向傳播算法
    5.2 本系統(tǒng)所用卷積神經(jīng)網(wǎng)絡(luò)
        5.2.1 輸入
        5.2.2 輸出
        5.2.3 網(wǎng)絡(luò)層數(shù)
        5.2.4 網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.5 訓(xùn)練參數(shù)
    5.3 本章小結(jié)
第六章 系統(tǒng)實(shí)現(xiàn)
    6.1 目標(biāo)網(wǎng)站的確定
    6.2 網(wǎng)絡(luò)輿情分類體系的確定
    6.3 數(shù)據(jù)庫的實(shí)現(xiàn)
    6.4 各模塊的具體實(shí)現(xiàn)
        6.4.1 輿情數(shù)據(jù)采集
        6.4.2 預(yù)處理
        6.4.3 多標(biāo)簽分類
        6.4.4 Web頁面展示
    6.5 本章小結(jié)
第七章 系統(tǒng)測(cè)試
    7.1 測(cè)試目的
    7.2 各模塊的測(cè)試結(jié)果及分析
        7.2.1 輿情數(shù)據(jù)采集
        7.2.2 預(yù)處理
        7.2.3 多標(biāo)簽分類
        7.2.4 Web頁面展示
    7.3 本章小結(jié)
第八章 總結(jié)和展望
致謝
參考文獻(xiàn)



本文編號(hào)：3734953