基于网络舆情的股票信息分析与建模
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 股市分析研究现状 | 第15-16页 |
| 1.2.2 数据挖掘研究现状 | 第16-17页 |
| 1.3 主要研究思路 | 第17-18页 |
| 1.4 主要研究内容 | 第18-20页 |
| 第2章 网络舆情文本挖掘 | 第20-30页 |
| 2.1 网络舆情的采集 | 第20-24页 |
| 2.1.1 网络爬虫程序的设计和实现 | 第20-22页 |
| 2.1.2 投资者舆情数据爬取 | 第22-24页 |
| 2.2 网络舆情量化处理 | 第24-29页 |
| 2.2.1 文本预处理 | 第25-26页 |
| 2.2.2 文本向量化 | 第26-27页 |
| 2.2.3 文本特征选择 | 第27-28页 |
| 2.2.4 文本相似度计算 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 投资者股评文本主题提取研究 | 第30-39页 |
| 3.1 文本主题词可视化 | 第31-32页 |
| 3.2 LDA主题提取模型 | 第32-37页 |
| 3.2.1 多项式分布和狄利克雷分布 | 第33-35页 |
| 3.2.2 吉布斯采样 | 第35-36页 |
| 3.2.3 LDA主题模型的评估 | 第36-37页 |
| 3.3 文本主题提取 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 投资者情感值算法分析 | 第39-46页 |
| 4.1 机器学习分类算法 | 第40-42页 |
| 4.1.1 朴素贝叶斯分类器 | 第40-41页 |
| 4.1.2 支持向量机 | 第41页 |
| 4.1.3 随机森林分类算法 | 第41-42页 |
| 4.2 分类器模型构造与实例分析 | 第42-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 股市预测建模与分析 | 第46-54页 |
| 5.1 舆情指数的构建 | 第46-47页 |
| 5.2 模型构建与分析 | 第47-51页 |
| 5.2.1 回归分析预测理论 | 第47-48页 |
| 5.2.2 回归模型的建立过程 | 第48-51页 |
| 5.3 股价变化率预测 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第61-62页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第62页 |
