| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外相关研究现状 | 第13-16页 |
| 1.2.1 影视票房预测研究现状 | 第13-15页 |
| 1.2.2 在线媒体传播热度研究现状 | 第15-16页 |
| 1.3 本文主要的创新点 | 第16-17页 |
| 1.4 本文的组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 相关算法基础 | 第18-23页 |
| 2.1 分类算法概述 | 第18-20页 |
| 2.1.1 SMO算法 | 第18页 |
| 2.1.2 C4.5 决策树算法 | 第18-19页 |
| 2.1.3 贝叶斯网络 | 第19-20页 |
| 2.1.4 LOGISTIC回归算法 | 第20页 |
| 2.2 M5模型树算法 | 第20-21页 |
| 2.3 随机森林算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 针对网络小说隐含价值量的预测分析——基于起点网的证据 | 第23-38页 |
| 3.1 问题背景 | 第23-24页 |
| 3.2 数据搜集与模型建立 | 第24-30页 |
| 3.2.1 数据来源——起点中文网 | 第24页 |
| 3.2.2 变量选择 | 第24-26页 |
| 3.2.3 数据处理平台——WEKA | 第26-28页 |
| 3.2.4 M5模型树预测模型构建 | 第28-30页 |
| 3.3 模型预测结果 | 第30-35页 |
| 3.4 异常关联关系分析 | 第35-37页 |
| 3.4.1 总推荐量负面影响 | 第35页 |
| 3.4.2 总字数负面影响 | 第35-36页 |
| 3.4.3 评论回复数的负影响分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 内容分发网络中基于数据挖掘的网络小说热度预测 | 第38-68页 |
| 4.1 问题背景 | 第38-39页 |
| 4.2 数据获取与预处理 | 第39-40页 |
| 4.2.1 数据来源 | 第39页 |
| 4.2.2 数据特征选取 | 第39-40页 |
| 4.3 热度定义 | 第40-47页 |
| 4.3.1 综合热度评分 | 第41-42页 |
| 4.3.2 数据拟合 | 第42-45页 |
| 4.3.3 热度等级 | 第45页 |
| 4.3.4 特征选择 | 第45-47页 |
| 4.4 数据挖掘 | 第47-67页 |
| 4.4.1 建模预测 | 第47-55页 |
| 4.4.2 科学评价指标 | 第55-64页 |
| 4.4.3 实验结果对比 | 第64-66页 |
| 4.4.4 实验分析 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第75页 |