基于微博数据的电影票房预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题的背景及研究意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-15页 |
| 1.2.1 电影观众研究 | 第12-13页 |
| 1.2.2 模型改进及影响因子研究 | 第13-14页 |
| 1.2.3 基于网民在线生成的海量内容 | 第14-15页 |
| 1.3 研究目的和研究方法 | 第15-16页 |
| 1.3.1 研究目的 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 本文的创新点 | 第16页 |
| 1.5 论文的基本框架 | 第16-18页 |
| 第2章 相关的理论基础 | 第18-27页 |
| 2.1 微博数据 | 第18-20页 |
| 2.1.1 微博的定义及功能分析 | 第18-19页 |
| 2.1.2 微博数据的特性 | 第19-20页 |
| 2.2 支持向量回归机相关理论 | 第20-25页 |
| 2.2.1 线性支持向量回归机 | 第21-24页 |
| 2.2.2 非线性支持向量回归机 | 第24-25页 |
| 2.3 遗传算法优化的支持向量回归机 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于微博数据的电影票房预测设计 | 第27-39页 |
| 3.1 电影票房预测流程概述 | 第27-28页 |
| 3.2 电影选择和数据采集 | 第28-33页 |
| 3.2.1 电影选择 | 第28-29页 |
| 3.2.2 电影票房数据采集 | 第29-30页 |
| 3.2.3 微博数据采集 | 第30-33页 |
| 3.3 模型架构和变量体系设计 | 第33-37页 |
| 3.3.1 模型架构设计 | 第33页 |
| 3.3.2 变量体系设计 | 第33-37页 |
| 3.4 预测模型的构建 | 第37-38页 |
| 3.5 性能评价 | 第38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 仿真实验与结果分析 | 第39-51页 |
| 4.1 实验数据 | 第39-45页 |
| 4.2 仿真实验与结果分析 | 第45-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-52页 |
| 5.1 论文的主要工作和结论 | 第51页 |
| 5.2 进一步研究工作的展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表论文及科研情况 | 第55页 |
