| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的和意义 | 第12页 |
| 1.3 文献综述 | 第12-15页 |
| 1.3.1 自然语言处理的发展脉络 | 第12-14页 |
| 1.3.2 文本处理的发展脉络 | 第14页 |
| 1.3.3 结合大数据技术和文本挖掘方法实现新应用 | 第14-15页 |
| 1.4 本文所做的工作及价值 | 第15-16页 |
| 1.4.1 本文所做的工作 | 第15页 |
| 1.4.2 本文的价值 | 第15-16页 |
| 第2章 研究内容和技术路线 | 第16-24页 |
| 2.1 研究的主要内容 | 第16页 |
| 2.2 研究的技术路线 | 第16-17页 |
| 2.3 研究采用的技术与方法 | 第17-24页 |
| 2.3.1 网络爬虫技术 | 第18-19页 |
| 2.3.2 自然语言处理技术 | 第19-20页 |
| 2.3.3 分词工具 | 第20-21页 |
| 2.3.4 统计模型 | 第21-24页 |
| 第3章 数据选择 | 第24-37页 |
| 3.1 数据来源 | 第24页 |
| 3.2 宏观经济指标的选取 | 第24-26页 |
| 3.3 专家观点的选择 | 第26-33页 |
| 3.3.1 选择标准 | 第26-27页 |
| 3.3.2 专家观点筛选公式 | 第27-30页 |
| 3.3.3 数据整理 | 第30-33页 |
| 3.4 宏观经济数据 | 第33-36页 |
| 3.4.1 CPI、PPI、PMI、M2和国防景气指数数据 | 第33-34页 |
| 3.4.2 PMI指数数据 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 数据初步分析 | 第37-47页 |
| 4.1 数据预处理 | 第37-38页 |
| 4.2 描述性统计 | 第38-46页 |
| 4.2.1 宏观数据分析 | 第38-43页 |
| 4.2.2 专家评论分析 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 专家观点的聚类分析 | 第47-54页 |
| 5.1 CPI观点聚类分析 | 第47-49页 |
| 5.1.1 利用VSM进行聚类 | 第47-48页 |
| 5.1.2 结论 | 第48页 |
| 5.1.3 模型改进 | 第48-49页 |
| 5.2 PPI观点聚类分析 | 第49-50页 |
| 5.2.1 利用VSM进行聚类 | 第49-50页 |
| 5.2.2 结论 | 第50页 |
| 5.3 PMI观点聚类分析 | 第50-51页 |
| 5.3.1 利用VSM进行聚类 | 第50页 |
| 5.3.2 结论 | 第50-51页 |
| 5.4 M2观点聚类分析 | 第51-52页 |
| 5.4.1 利用VSM进行聚类 | 第51页 |
| 5.4.2 结论 | 第51-52页 |
| 5.5 国防景气指数观点聚类分析 | 第52页 |
| 5.5.1 利用VSM进行聚类 | 第52页 |
| 5.5.2 结论 | 第52页 |
| 5.6 本章小结 | 第52-54页 |
| 第6章 经济形势文章自动撰写 | 第54-57页 |
| 6.1 文章构成 | 第54-55页 |
| 6.2 实现流程 | 第55页 |
| 6.3 成果展示 | 第55-57页 |
| 6.3.1 逐条式展示 | 第55-56页 |
| 6.3.2 整体式展示 | 第56-57页 |
| 结论及展望 | 第57-59页 |
| 参考文献 | 第59-60页 |
| 附录E 相似度矩阵 | 第60-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |