| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状及分析 | 第13-14页 |
| 1.2.1 公共领域数据挖掘 | 第13页 |
| 1.2.2 专业领域数据分析 | 第13-14页 |
| 1.3 论文研究工作和组织安排 | 第14-19页 |
| 1.3.1 论文研究工作 | 第14-17页 |
| 1.3.2 论文组织结构安排 | 第17-19页 |
| 第二章 背景技术介绍 | 第19-29页 |
| 2.1 公共事件信息获取相关技术介绍 | 第19-20页 |
| 2.1.1 公共事件信息获取与处理概述 | 第19页 |
| 2.1.2 结合多种异构信息源的共同参与模型的训练与预测任务 | 第19-20页 |
| 2.2 专业领域数据预测相关技术介绍 | 第20-25页 |
| 2.2.1 时间序列的数据预测模型概述 | 第20-21页 |
| 2.2.2 ARIMA模型 | 第21页 |
| 2.2.3 深度学习的神经网络 | 第21-22页 |
| 2.2.4 LSTM相关技术介绍 | 第22-25页 |
| 2.3 双向决策支持系统相关技术介绍 | 第25-29页 |
| 2.3.1 决策支持系统方法库建立的研究 | 第25页 |
| 2.3.2 专业领域关联决策支持系统知识库建立的研究 | 第25-26页 |
| 2.3.3 基于数据仓库的智能决策支持系统体系结构研究 | 第26-29页 |
| 第三章 公共事件源先验信息评级 | 第29-45页 |
| 3.1 公共事件信息 | 第29-31页 |
| 3.1.1 公共事件先验信息定义 | 第29-30页 |
| 3.1.2 公共事件信息特点 | 第30-31页 |
| 3.2 事件信息获取与表示 | 第31-36页 |
| 3.2.1 爬虫技术 | 第31-32页 |
| 3.2.2 向量空间模型 | 第32-33页 |
| 3.2.3 事件识别 | 第33-36页 |
| 3.3 公共事件信息的获取 | 第36-41页 |
| 3.3.1 公共事件信息的抓取 | 第36-38页 |
| 3.3.2 公共事件信息的预处理 | 第38-40页 |
| 3.3.3 公共事件属性的获取 | 第40页 |
| 3.3.4 公共事件信息的向量化 | 第40-41页 |
| 3.4 事件信息权重计算与评级 | 第41-45页 |
| 3.4.1 数据库补全 | 第41-42页 |
| 3.4.2 建立活动规模评级 | 第42页 |
| 3.4.3 建立领域专家意见的活动规模评级 | 第42-43页 |
| 3.4.4 建立基于历史信息的权重评级 | 第43-44页 |
| 3.4.5 多因素信息的事件权重确立 | 第44-45页 |
| 第四章 基于改进的RNN-LSTM结合公共事件的专业领域数据预测 | 第45-55页 |
| 4.1 序列生成模型适配性分析 | 第45-47页 |
| 4.2 数据集 | 第47-48页 |
| 4.2.1 公共领域数据与专业领域数据结合方法: | 第47页 |
| 4.2.2 预处理数据 | 第47-48页 |
| 4.3 改进的LSTM序列生成模型设计 | 第48-50页 |
| 4.4 模型结果以及分析 | 第50-54页 |
| 4.4.1 模型训练和评价指标 | 第50页 |
| 4.4.2 训练结果 | 第50-53页 |
| 4.4.3 训练结果分析 | 第53-54页 |
| 4.5 结论 | 第54-55页 |
| 4.5.1 误差分析 | 第54-55页 |
| 第五章 双向决策系统的建立 | 第55-65页 |
| 5.1 决策支持系统 | 第55-56页 |
| 5.2 双向决策支持系统 | 第56-64页 |
| 5.2.1 双向决策支持系统整体设计 | 第56-57页 |
| 5.2.2 人机交互界面子系统 | 第57-59页 |
| 5.2.3 数据仓库的建立 | 第59-60页 |
| 5.2.4 模型库的建立 | 第60-62页 |
| 5.2.5 方法库的建立 | 第62页 |
| 5.2.6 知识库的建立 | 第62-64页 |
| 5.3 结论 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间取得的研究成果 | 第71页 |
