基于时间序列的UGC数量与质量预测技术研究
| 摘要 | 第5页 |
| 第一章 绪论 | 第6-16页 |
| 1.1 课题背景与意义 | 第6-7页 |
| 1.2 UGC国内外研究现状 | 第7-10页 |
| 1.3 时间序列预测法国内外研究现状 | 第10-12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 1.5 创新点 | 第14-15页 |
| 1.6 论文组织结构 | 第15-16页 |
| 第二章 相关方法和技术介绍 | 第16-29页 |
| 2.1 网络爬虫技术 | 第16-17页 |
| 2.2 TensorFlow系统 | 第17-18页 |
| 2.3 时间序列预测法 | 第18-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 UGC数量预测模型研究与实验分析 | 第29-42页 |
| 3.1 数据预处理 | 第29-32页 |
| 3.2 基于ARIMA模型的UGC数量预测 | 第32-38页 |
| 3.3 基于BP神经网络的UGC数量预测 | 第38-39页 |
| 3.4 基于融合模型的UGC数量预测 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 UGC质量预测模型研究与实验分析 | 第42-53页 |
| 4.1 特征选取 | 第42-46页 |
| 4.2 基于小波融合模型的UGC质量预测 | 第46-47页 |
| 4.3 基于人工神经网络的UGC质量分类预测 | 第47-50页 |
| 4.4 基于SVM的UGC质量预测 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 UGC行为预测系统 | 第53-57页 |
| 5.1 UGC行为预测系统设计 | 第53-54页 |
| 5.2 UGC行为预测系统数据预处理与结果展示 | 第54-55页 |
| 5.3 UGC行为预测系统更新 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 主要工作及创新点 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间取得的研究成果 | 第64页 |
