基于神经网络的新闻舆情受欢迎程度预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 新闻舆情预测研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 2 相关技术介绍 | 第13-19页 |
| 2.1 主成分分析 | 第13-14页 |
| 2.1.1 主成分分析基本原理 | 第13页 |
| 2.1.2 主成分分析的计算步骤 | 第13-14页 |
| 2.2 采用BP神经网络的预测 | 第14-18页 |
| 2.2.1 BP神经网络的基本原理和结构 | 第14-16页 |
| 2.2.2 BP神经网络的学习方法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 方法论和数据集 | 第19-23页 |
| 3.1 方法论 | 第19-20页 |
| 3.1.1 SPSS介绍 | 第19页 |
| 3.1.2 Matlab介绍 | 第19页 |
| 3.1.3 本文方法论 | 第19-20页 |
| 3.2 数据集信息 | 第20-22页 |
| 3.3 本章小结 | 第22-23页 |
| 4 模型建立与仿真分析 | 第23-43页 |
| 4.1 数据的可视化分析 | 第23-31页 |
| 4.2 新闻特征信息与受欢迎程度相关分析 | 第31-34页 |
| 4.3 数据的主要成分提取 | 第34-38页 |
| 4.4 基于BP神经网络的受欢迎程度预测 | 第38-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-44页 |
| 5.1 本文总结 | 第43页 |
| 5.2 下一步的工作 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |
