| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究的背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外相关研究 | 第12-15页 |
| 1.2.1 政府数据的开放机制与管理方面 | 第12-13页 |
| 1.2.2 政府开放数据的价值与利用方面 | 第13-14页 |
| 1.2.3 政府开放数据的服务与评价方面 | 第14-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.4 研究框架与创新点 | 第16-18页 |
| 2 相关概念与理论基础 | 第18-27页 |
| 2.1 政府开放数据的概念 | 第18页 |
| 2.2 BP神经网络 | 第18-24页 |
| 2.2.1 人工神经网络概述 | 第18-19页 |
| 2.2.2 BP神经网络的结构与算法 | 第19-23页 |
| 2.2.3 BP神经网络的局限 | 第23-24页 |
| 2.3 遗传算法 | 第24-27页 |
| 2.3.1 遗传算法的原理 | 第24页 |
| 2.3.2 遗传算法的步骤 | 第24-26页 |
| 2.3.3 遗传算法的特点 | 第26-27页 |
| 3 政府开放数据的数据使用状态表示方法研究 | 第27-32页 |
| 3.1 政府开放数据的数据使用状态分析 | 第27页 |
| 3.2 数据使用状态维度 | 第27-29页 |
| 3.2.1 状态表示维度选取的原则 | 第27-28页 |
| 3.2.2 数据使用状态维度的选取 | 第28-29页 |
| 3.3 数据使用状态表示 | 第29-31页 |
| 3.3.1 数据使用状态维度 | 第29-30页 |
| 3.3.2 数据使用状态表示 | 第30-31页 |
| 3.4 数据使用状态表示方法的科学性分析 | 第31-32页 |
| 4 政府开放数据的数据使用状态预测模型构建 | 第32-43页 |
| 4.1 模型选取 | 第32-34页 |
| 4.1.1 常见预测模型 | 第32-33页 |
| 4.1.2 BP神经网络在数据使用状态预测中应用的可行性 | 第33-34页 |
| 4.2 数据使用状态预测模型构建思路 | 第34-36页 |
| 4.2.1 数据使用状态预测框架设计 | 第34页 |
| 4.2.2 预测模型输入参数确定 | 第34-36页 |
| 4.3 基于GA-BPNN的数据使用状态预测模型 | 第36-43页 |
| 4.3.1 BP神经网络参数设置 | 第36-38页 |
| 4.3.2 遗传算法参数设置 | 第38-40页 |
| 4.3.3 基于优化BP神经网络模型预测流程 | 第40-43页 |
| 5 实证研究 | 第43-55页 |
| 5.1 实证研究思路 | 第43-44页 |
| 5.2 上海市政府开放数据使用状态表示 | 第44-50页 |
| 5.2.1 数据获取与标注 | 第44-46页 |
| 5.2.2 数据使用状态表示 | 第46-49页 |
| 5.2.3 数据使用状态分析 | 第49-50页 |
| 5.3 预测实验 | 第50-54页 |
| 5.3.1 模型效果评价指标 | 第50-51页 |
| 5.3.2 预测模型的构建 | 第51-52页 |
| 5.3.3 预测结果 | 第52-54页 |
| 5.4 实证总结 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录 | 第61-67页 |
| 攻读学位期间所取得的相关科研成果 | 第67-68页 |
| 致谢 | 第68页 |