| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 微博舆情时间序列的获取 | 第17-25页 |
| 2.1 微博舆情 | 第17-19页 |
| 2.1.1 微博简介 | 第17-18页 |
| 2.1.2 微博文本的特点 | 第18页 |
| 2.1.3 微博舆情的特点 | 第18-19页 |
| 2.2 微博文本的获取与处理 | 第19-22页 |
| 2.2.1 微博文本的获取 | 第19-20页 |
| 2.2.2 微博文本的处理 | 第20-21页 |
| 2.2.3 微博文本的存储 | 第21-22页 |
| 2.3 微博话题特征统计 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 舆情预测模型的相关技术 | 第25-36页 |
| 3.1 BP神经网络 | 第25-29页 |
| 3.1.1 BP神经元及BP网络模型 | 第25-26页 |
| 3.1.2 BP网络的学习 | 第26-28页 |
| 3.1.3 BP网络的局限性 | 第28-29页 |
| 3.2 遗传算法 | 第29-33页 |
| 3.2.1 遗传算法的原理 | 第29页 |
| 3.2.2 遗传算法的步骤 | 第29-31页 |
| 3.2.3 遗传算法的特点 | 第31页 |
| 3.2.4 遗传算法优化BP神经网络应用 | 第31-33页 |
| 3.3 模拟退火算法 | 第33-35页 |
| 3.3.1 模拟退火算法的原理 | 第33页 |
| 3.3.2 模拟退火算法的步骤 | 第33-35页 |
| 3.3.3 模拟退火算法优化BP神经网络 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 优化BP神经网络舆情预测模型的构建实现 | 第36-43页 |
| 4.1 舆情预测模型描述 | 第36-41页 |
| 4.1.1 舆情预测模型网络结构的改进 | 第36-38页 |
| 4.1.2 遗传算法优化BP神经网络的网络拓扑结构 | 第38-39页 |
| 4.1.3 GSA优化BP神经网络的网络参数 | 第39-41页 |
| 4.2 舆情预测模型的构建 | 第41-42页 |
| 4.2.1 舆情预测模型的构建流程 | 第41-42页 |
| 4.2.2 舆情预测模型的预测实现步骤 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验及结果分析 | 第43-50页 |
| 5.1 实验数据 | 第43-44页 |
| 5.2 实验内容 | 第44-49页 |
| 5.2.1 微博舆情时间序列获取 | 第44-45页 |
| 5.2.2 舆情预测模型有效性验证 | 第45-49页 |
| 5.3 实验总结 | 第49-50页 |
| 第六章 总结和展望 | 第50-52页 |
| 6.1 全文总结 | 第50-51页 |
| 6.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 在校期间发表的论文、科研成果 | 第54-55页 |
| 致谢 | 第55页 |