| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第16-31页 |
| 1.1 课题来源 | 第16页 |
| 1.2 课题研究的目的和意义 | 第16-18页 |
| 1.3 国内外研究概况 | 第18-26页 |
| 1.3.1 网络舆情与现实交易的关系分析 | 第18-20页 |
| 1.3.2 现实交易行为空间与网络舆情空间复杂网络构建 | 第20-21页 |
| 1.3.3 群体行为序列的长短期依赖分析预测与自适应分段模型 | 第21-26页 |
| 1.4 论文的主要研究内容 | 第26-29页 |
| 1.5 论文的组织结构 | 第29-31页 |
| 第二章 网络舆情空间中的情感分析及关注度表示 | 第31-50页 |
| 2.1 网络舆情信息相关概念及其定义 | 第31-35页 |
| 2.1.1 网络舆情空间 | 第32-34页 |
| 2.1.2 网络舆论空间中的投资者情绪 | 第34页 |
| 2.1.3 网络舆情空间信息关注度 | 第34-35页 |
| 2.2 网络舆情空间的情感倾向分析 | 第35-41页 |
| 2.2.1 网络舆情空间信息特征分析 | 第36-37页 |
| 2.2.2 网络舆情空间细粒度特征提取 | 第37-39页 |
| 2.2.2.1 网络舆情空间信息点击率的异质性 | 第37-38页 |
| 2.2.2.2 网络舆情空间信息点击率模型估计 | 第38-39页 |
| 2.2.3 基于字符的长短期记忆卷积神经网络的网络舆情信息情感倾向分类算法 | 第39-41页 |
| 2.2.3.1 网络舆情空间情感倾向提取核心算法 | 第40-41页 |
| 2.3 网络舆情空间的股票关注序列表示分析 | 第41-44页 |
| 2.3.1 基于群体关注的网络舆情空间股票序列 | 第41-42页 |
| 2.3.2 基于embedding的关注度序列表示算法 | 第42-44页 |
| 2.4 网络舆情空间结果分析 | 第44-49页 |
| 2.4.1 网络舆情空间信息情感倾向分类算法在股吧中的应用与分析 | 第44-47页 |
| 2.4.1.1 网络舆情空间信息情感倾向处理结果 | 第46-47页 |
| 2.4.2 网络群体关注度序列表示算法在股吧中的应用 | 第47-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第三章 现实交易行为数据语义 | 第50-63页 |
| 3.1 现实交易行为数据空间 | 第51-53页 |
| 3.1.1 现实交易行为数据获取 | 第51-52页 |
| 3.1.2 现实交易行为数据空间定义 | 第52-53页 |
| 3.2 现实交易行为数据语义表示 | 第53-56页 |
| 3.2.1 现实交易行为信息空间 | 第53-54页 |
| 3.2.2 现实交易行为数据语义空间 | 第54-55页 |
| 3.2.3 现实交易行为数据语义空间表示模型 | 第55-56页 |
| 3.3 模型描述 | 第56-58页 |
| 3.4 基于数据语义状态向量的多元时间序列视图表示方法 | 第58-60页 |
| 3.4.1 整体数据语义状态向量融合方法 | 第58-59页 |
| 3.4.2 共享原子状态数据语义状态向量融合方法 | 第59-60页 |
| 3.4.3 独立原子状态数据语义状态向量融合方法 | 第60页 |
| 3.5 实验结果与分析 | 第60-62页 |
| 3.5.1 现实交易行为数据语义表示结果 | 第60-61页 |
| 3.5.2 现实交易行为数据语义表示算法评估方法 | 第61-62页 |
| 3.6 本章小结 | 第62-63页 |
| 第四章 基于数据语义表示的现实交易行为与网络舆情融合度研究 | 第63-85页 |
| 4.1 现实交易行为数据语义空间中交易行为复杂网络 | 第64-68页 |
| 4.1.1 现实交易行为数据语义空间中交易行为复杂网络基本定义 | 第64-65页 |
| 4.1.2 现实交易行为数据语义空间中交易行为复杂网络关系计算 | 第65-66页 |
| 4.1.3 现实交易行为数据语义空间关系矩阵 | 第66-67页 |
| 4.1.4 现实交易行为数据语义空间中交易行为复杂网络构建方法 | 第67-68页 |
| 4.2 网络舆情空间复杂网络构建方法 | 第68-69页 |
| 4.3 现实交易行为与网络舆情融合度研究 | 第69-72页 |
| 4.4 实验结果与分析 | 第72-83页 |
| 4.4.1 现实交易行为数据语义空间影响力矩阵结果分析 | 第72-76页 |
| 4.4.2 现实交易行为数据语义空间中交易行为复杂网络构建结果分析 | 第76-78页 |
| 4.4.3 现实交易行为数据语义空间中交易行为复杂网络社团划分 | 第78页 |
| 4.4.4 网络舆情空间复杂网络构建结果分析 | 第78-81页 |
| 4.4.5 网络舆情空间复杂网络社团划分 | 第81-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章 基于现实交易行为数据语义空间与网络舆情空间的长短期依赖群体行为分析 | 第85-108页 |
| 5.1 现实交易行为数据语义空间长短期依赖分析 | 第85-87页 |
| 5.2 基于长短期依赖的Separate-LSTM的现实交易群体行为分析预测 | 第87-90页 |
| 5.3 现实交易行为空间自适应分段模型 | 第90-93页 |
| 5.3.1 群体交易行为自适应分段模型描述 | 第90-92页 |
| 5.3.2 增强学习 | 第92-93页 |
| 5.4 实验结果与分析 | 第93-107页 |
| 5.4.1 数据来源 | 第93-94页 |
| 5.4.2 现实交易行为数据语义空间不同维度非线性因果检验实验结果 | 第94-95页 |
| 5.4.3 群体交易行为长短期依赖分析 | 第95-97页 |
| 5.4.4 基于长短期依赖的群体交易行为预测模型实验参数设置 | 第97-98页 |
| 5.4.5 长短期依赖群体交易行为预测结果 | 第98-104页 |
| 5.4.6 群体交易行为自适应分段结果分析 | 第104-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第六章 结论与展望 | 第108-111页 |
| 6.1 结论 | 第108-109页 |
| 6.2 展望 | 第109-111页 |
| 参考文献 | 第111-124页 |
| 作者在攻读博士学位期间公开发表的论文 | 第124-126页 |
| 作者在攻读博士学位期间所作的项目 | 第126-127页 |
| 致谢 | 第127页 |
