| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 课题背景及研究意义 | 第15-20页 |
| 1.1.1 课题背景 | 第15-16页 |
| 1.1.2 课题意义 | 第16-20页 |
| 1.2 研究现状及分析 | 第20-27页 |
| 1.2.1 基于社会媒体的信息抽取 | 第20-23页 |
| 1.2.2 基于社会媒体的预测 | 第23-25页 |
| 1.2.3 存在的问题 | 第25-27页 |
| 1.3 本文的研究内容及章节安排 | 第27-30页 |
| 第2章 基于社会媒体的消费意图挖掘 | 第30-51页 |
| 2.1 引言 | 第30-32页 |
| 2.2 相关工作 | 第32-34页 |
| 2.3 消费意图识别 | 第34-38页 |
| 2.4 需求词抽取 | 第38-39页 |
| 2.5 消费对象推荐 | 第39-42页 |
| 2.5.1 候选消费对象抽取 | 第40-41页 |
| 2.5.2 消费对象识别 | 第41-42页 |
| 2.6 实验 | 第42-50页 |
| 2.6.1 实验数据 | 第42-43页 |
| 2.6.2 消费意图识别实验 | 第43-46页 |
| 2.6.3 需求词抽取实验 | 第46-48页 |
| 2.6.4 消费对象推荐实验 | 第48-50页 |
| 2.7 本章小结 | 第50-51页 |
| 第3章 基于消费意图的电影票房预测 | 第51-71页 |
| 3.1 引言 | 第51-52页 |
| 3.2 相关工作 | 第52-55页 |
| 3.2.1 社会媒体文本驱动的预测 | 第52-54页 |
| 3.2.2 电影票房预测 | 第54-55页 |
| 3.3 特征选取 | 第55-57页 |
| 3.3.1 元数据特征 | 第55-56页 |
| 3.3.2 文本特征 | 第56-57页 |
| 3.4 模型构建 | 第57-63页 |
| 3.4.1 基于线性回归模型的电影票房预测方法 | 第58页 |
| 3.4.2 基于支持向量回归模型的电影票房预测方法 | 第58-59页 |
| 3.4.3 基于高斯Copula回归模型的电影票房预测方法 | 第59-63页 |
| 3.5 实验 | 第63-70页 |
| 3.5.1 实验数据 | 第63-65页 |
| 3.5.2 评价方法 | 第65-66页 |
| 3.5.3 基线方法 | 第66页 |
| 3.5.4 实验结果与分析 | 第66-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 开放式事件抽取及表示 | 第71-92页 |
| 4.1 引言 | 第71-73页 |
| 4.2 相关工作 | 第73-75页 |
| 4.2.1 传统事件抽取 | 第73-74页 |
| 4.2.2 开放域事件抽取 | 第74-75页 |
| 4.3 事件定义 | 第75页 |
| 4.4 事件抽取 | 第75-82页 |
| 4.4.1 事件词抽取 | 第75-78页 |
| 4.4.2 事件元素抽取 | 第78-82页 |
| 4.5 事件表示学习 | 第82-87页 |
| 4.5.1 基于离散模型的事件表示学习方法 | 第82-83页 |
| 4.5.2 基于连续向量空间模型的事件表示学习方法 | 第83-87页 |
| 4.6 实验 | 第87-91页 |
| 4.6.1 实验数据 | 第87页 |
| 4.6.2 事件抽取实验 | 第87-89页 |
| 4.6.3 事件表示实验 | 第89-91页 |
| 4.7 本章小结 | 第91-92页 |
| 第5章 基于事件的股市涨跌预测 | 第92-108页 |
| 5.1 引言 | 第92-94页 |
| 5.2 相关工作 | 第94-95页 |
| 5.3 预测模型构建 | 第95-99页 |
| 5.3.1 基于支持向量机模型的股市涨跌预测方法 | 第95-96页 |
| 5.3.2 基于深度神经网络模型的股市涨跌预测方法 | 第96-97页 |
| 5.3.3 基于卷积神经网络模型的股市涨跌预测方法 | 第97-99页 |
| 5.4 特征表示 | 第99-100页 |
| 5.5 实验 | 第100-106页 |
| 5.5.1 实验数据 | 第100-101页 |
| 5.5.2 评价方法 | 第101页 |
| 5.5.3 基线方法 | 第101-102页 |
| 5.5.4 实验结果与分析 | 第102-106页 |
| 5.6 本章小结 | 第106-108页 |
| 结论 | 第108-111页 |
| 参考文献 | 第111-126页 |
| 攻读博士学位期间发表的论文及其他成果 | 第126-129页 |
| 致谢 | 第129-131页 |
| 个人简历 | 第131-132页 |
