| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 信息抽取研究现状 | 第9-11页 |
| 1.2.2 金融数据预测研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-14页 |
| 第2章 基于规则本体自适应的PDF特征抽取 | 第14-22页 |
| 2.1 PDF特征抽取的总体结构 | 第14页 |
| 2.2 表格文本获取 | 第14-16页 |
| 2.3 本体规则构建 | 第16-18页 |
| 2.3.1 可转债本体定义及规则构建 | 第17-18页 |
| 2.3.2 新股本体定义及规则构建 | 第18页 |
| 2.4 规则权重自适应方法 | 第18-19页 |
| 2.5 PDF文档的特征抽取 | 第19-20页 |
| 2.6 信息规范化 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第3章 多元异构信息的获取与数据验证 | 第22-31页 |
| 3.1 多元异构信息的获取 | 第23-27页 |
| 3.1.1 实时数据的获取 | 第23页 |
| 3.1.2 金融PDF文档的获取 | 第23-24页 |
| 3.1.3 PDF文本信息的获取 | 第24-25页 |
| 3.1.4 结构化金融时间序列的获取 | 第25-27页 |
| 3.2 信息的规范化 | 第27-28页 |
| 3.3 多元异构信息的数据验证 | 第28-30页 |
| 3.3.1 本体知识验证 | 第28页 |
| 3.3.2 第三方验证 | 第28-29页 |
| 3.3.3 人工验证 | 第29页 |
| 3.3.4 交叉验证 | 第29-30页 |
| 3.4 数据处理结果的评价标准 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于多级模型的金融时间序列预测 | 第31-48页 |
| 4.1 多级模型的预测数据概述 | 第31-33页 |
| 4.2 多级模型的总体结构 | 第33-34页 |
| 4.3 一级独立模型的构建 | 第34-43页 |
| 4.3.1 基于金融市场的趋势评估模型的构建 | 第34-39页 |
| 4.3.2 基于时间序列的SVR模型的构建 | 第39-41页 |
| 4.3.3 基于时间序列的神经网络（ANN-BP）模型构建 | 第41-43页 |
| 4.4 二级基于神经网络的单模型融合 | 第43-44页 |
| 4.5 三级基于遗传算法的优化模型 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-64页 |
| 5.1 实验环境与实验数据 | 第48页 |
| 5.2 金融上市公告书的信息抽取实验结果与分析 | 第48-50页 |
| 5.2.1 可转债上市公告书的信息抽取的结果分析 | 第48-49页 |
| 5.2.2 新股上市公告书的信息抽取的结果分析 | 第49-50页 |
| 5.3 金融数据预测的实验结果与分析 | 第50-60页 |
| 5.3.1 一级单个模型的结果分析 | 第50-55页 |
| 5.3.2 二级单模型融合的结果分析 | 第55-57页 |
| 5.3.3 三级优化模型的结果分析 | 第57-60页 |
| 5.4 与其他平台的结果比较 | 第60-62页 |
| 5.4.1 抽取结果与其他平台的结果比较 | 第60-61页 |
| 5.4.2 多级模型预测结果与其他平台比较 | 第61-62页 |
| 5.5 结果展示 | 第62-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |