| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9页 |
| 1.2 问题提出 | 第9-10页 |
| 1.3 国内外相关研究现状 | 第10-14页 |
| 1.3.1 突发事件网络舆情预测研究现状 | 第10-12页 |
| 1.3.2 突发事件网络舆情规律研究现状 | 第12-14页 |
| 1.3.3 研究评述 | 第14页 |
| 1.4 研究内容与技术路线 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 1.5 研究的意义与创新点 | 第16-18页 |
| 1.5.1 研究的意义 | 第16-17页 |
| 1.5.2 研究的创新点 | 第17-18页 |
| 2 微博突发事件网络舆情中情绪及行为间影响规律研究 | 第18-33页 |
| 2.1 基于多级时间序列回归模型的规律发现模型 | 第18-22页 |
| 2.1.1 以词汇本体为基础的微博情绪分析 | 第19-21页 |
| 2.1.2 多级时间序列回归模型 | 第21页 |
| 2.1.3 格兰杰因果检验及要素间相互影响分析 | 第21-22页 |
| 2.2 微博突发事件网络舆情中情绪及行为间影响规律实验 | 第22-31页 |
| 2.2.1 规律发现过程描述 | 第22-28页 |
| 2.2.2 规律发现结果与分析 | 第28-31页 |
| 2.3 微博突发事件网络舆情监测预警的相关建议 | 第31-33页 |
| 3 微博突发事件网络舆情波动分析 | 第33-43页 |
| 3.1 微博数波动分析 | 第33-35页 |
| 3.1.1 关键变量选择 | 第33-34页 |
| 3.1.2 微博数增长率计算 | 第34页 |
| 3.1.3 波动率定义 | 第34-35页 |
| 3.2 微博数波动因果分析 | 第35-36页 |
| 3.2.1 变量平稳性检验 | 第35页 |
| 3.2.2 格兰杰因果检验 | 第35-36页 |
| 3.3 微博突发事件网络舆情波动分析实验 | 第36-43页 |
| 3.3.1 数据描述与预处理 | 第36页 |
| 3.3.2 实验过程描述 | 第36-40页 |
| 3.3.3 实验结果分析及总结 | 第40-43页 |
| 4 微博突发事件网络舆情预测模型研究 | 第43-51页 |
| 4.1 基于规律发现与波动分析的变量与预测模型选择 | 第44-45页 |
| 4.1.1 微博突发事件网络舆情变量选择 | 第44页 |
| 4.1.2 微博突发事件网络舆情预测模型选择 | 第44-45页 |
| 4.2 微博突发事件网络舆情灰色预测模型建模与优化 | 第45-48页 |
| 4.2.1 灰色预测GM(1,1)模型建模基本过程 | 第46页 |
| 4.2.2 微博突发事件网络舆情GM(1,1)模型建模过程 | 第46-47页 |
| 4.2.3 微博突发事件网络舆情GM(1,1)模型新陈代谢法优化过程 | 第47-48页 |
| 4.3 基于微博突发事件网络舆情情绪特征的GM(1,1)模型优化 | 第48-51页 |
| 4.3.1 微博突发事件网络舆情情绪特征优化方法描述 | 第48-49页 |
| 4.3.2 微博突发事件网络舆情情绪特征优化过程 | 第49-51页 |
| 5 微博突发事件网络舆情预测实验 | 第51-60页 |
| 5.1 实验数据描述 | 第51-52页 |
| 5.2 微博突发事件网络舆情预测模型实验过程 | 第52-59页 |
| 5.2.1 预测模型建模 | 第52-53页 |
| 5.2.2 预测模型优化 | 第53-55页 |
| 5.2.3 模型预测精度检验 | 第55-59页 |
| 5.3 实验总结与分析 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
