面向股票的网络舆情信息处理与波动趋势预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.1.1 股市现状 | 第10页 |
| 1.1.2 面向股票的舆情信息大数据 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 股票波动趋势预测方法 | 第11-13页 |
| 1.2.2 分布式网络爬虫 | 第13页 |
| 1.2.3 近似文本发现 | 第13-14页 |
| 1.3 课题研究工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15页 |
| 1.5 本章总结 | 第15-17页 |
| 第二章 股票相关舆情数据获取 | 第17-24页 |
| 2.1 股票相关的舆情数据介绍 | 第17页 |
| 2.2 股票资讯数据获取 | 第17-18页 |
| 2.3 股票行情数据获取 | 第18-19页 |
| 2.4 股票话题数据获取 | 第19-22页 |
| 2.4.1 分布式网络爬虫所需技术 | 第20-21页 |
| 2.4.2 分布式网络爬虫架构 | 第21-22页 |
| 2.5 本章总结 | 第22-24页 |
| 第三章 近似文本发现 | 第24-44页 |
| 3.1 近似文本发现研究背景 | 第24页 |
| 3.2 准备工作 | 第24-25页 |
| 3.2.1 NCD的定义 | 第24-25页 |
| 3.2.2 NCD的特性 | 第25页 |
| 3.3 现有方法分析 | 第25-27页 |
| 3.4 SigNCD | 第27-29页 |
| 3.4.1 总体框架 | 第27-29页 |
| 3.4.2 剪枝策略 | 第29页 |
| 3.5 SigNCD算法实现 | 第29-31页 |
| 3.6 实验准备 | 第31-33页 |
| 3.6.1 实验设置 | 第31-32页 |
| 3.6.2 对比算法 | 第32-33页 |
| 3.7 实验结果 | 第33-39页 |
| 3.7.1 打点标志选择 | 第33-35页 |
| 3.7.2 剪枝策略选择 | 第35-36页 |
| 3.7.3 在Gold Set数据集上的对比结果 | 第36-39页 |
| 3.7.4 在中文财经新闻数据集上的对比结果 | 第39页 |
| 3.8 关于SigNCD的进一步分析 | 第39-42页 |
| 3.8.1 SigNCD对签名长度的敏感性 | 第39-41页 |
| 3.8.2 压缩算法的选择 | 第41-42页 |
| 3.8.3 SigNCD的可扩展性 | 第42页 |
| 3.9 本章总结 | 第42-44页 |
| 第四章 股票波动趋势预测模型建立 | 第44-61页 |
| 4.1 股票波动趋势预测研究背景 | 第44页 |
| 4.2 准备工作 | 第44-47页 |
| 4.2.1 张量介绍 | 第44-46页 |
| 4.2.2 张量相关运算 | 第46-47页 |
| 4.3 tensor+M1+M2总体框架 | 第47-49页 |
| 4.4 特征提取 | 第49-54页 |
| 4.4.1 情感特征计算 | 第49-51页 |
| 4.4.2 事件提取 | 第51-53页 |
| 4.4.3 股票相关性计算 | 第53-54页 |
| 4.5 tensor+Ml+M2算法实现 | 第54-57页 |
| 4.6 实验准备 | 第57-59页 |
| 4.6.1 实验设置 | 第57-58页 |
| 4.6.2 对比算法 | 第58-59页 |
| 4.7 实验结果 | 第59-60页 |
| 4.8 本章总结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文总结 | 第61页 |
| 5.2 后续研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
