| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10-11页 |
| 1.2.2 研究意义 | 第11页 |
| 1.3 研究内容、研究方法与技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.3.3 技术路线 | 第12-13页 |
| 1.4 论文的创新之处 | 第13-14页 |
| 2 相关概念界定和理论基础 | 第14-23页 |
| 2.1 互联网企业的定义及特点 | 第14-15页 |
| 2.1.1 互联网企业的定义 | 第14-15页 |
| 2.1.2 互联网企业的特点 | 第15页 |
| 2.2 互联网企业价值评估的特殊性 | 第15-16页 |
| 2.3 互联网企业价值评估方法相关研究 | 第16-19页 |
| 2.3.1 收益法 | 第16-17页 |
| 2.3.2 成本法 | 第17页 |
| 2.3.3 市场法 | 第17-18页 |
| 2.3.4 其他评估方法 | 第18页 |
| 2.3.5 互联网企业价值评估常用方法的局限性 | 第18-19页 |
| 2.4 BP神经网络在评估中的适用性分析 | 第19-23页 |
| 2.4.1 BP神经网络基本理论 | 第19-20页 |
| 2.4.2 BP神经网络在评估领域中的应用研究 | 第20-21页 |
| 2.4.3 BP神经网络在互联网企业价值评估中的适用性 | 第21-23页 |
| 3 互联网企业价值的影响因素分析 | 第23-31页 |
| 3.1 互联网企业价值的来源分析 | 第23-24页 |
| 3.2 互联网企业价值的形成分析 | 第24-25页 |
| 3.3 基于互联网企业商业模式的影响因素分析 | 第25-28页 |
| 3.3.1 品牌影响力 | 第25页 |
| 3.3.2 企业核心战略 | 第25-26页 |
| 3.3.3 用户规模以及客户基础 | 第26-27页 |
| 3.3.4 设备性能与服务 | 第27页 |
| 3.3.5 持续创新能力 | 第27-28页 |
| 3.4 基于互联网企业盈利模式的影响因素分析 | 第28-29页 |
| 3.4.1 经营收入机制 | 第28页 |
| 3.4.2 盈利潜力 | 第28-29页 |
| 3.4.3 资金与融资能力 | 第29页 |
| 3.5 互联网企业价值评估指标体系的构建 | 第29-31页 |
| 4 BP神经网络在互联网企业价值评估中的实证研究 | 第31-46页 |
| 4.1 BP神经网络评估模型的设计 | 第31-33页 |
| 4.1.1 评估模型的结构设计 | 第31页 |
| 4.1.2 评估模型中BP算法的优化措施 | 第31-32页 |
| 4.1.3 评估模型中的基本函数和参数的确定 | 第32-33页 |
| 4.2 评估模型在互联网企业中的实证分析 | 第33-44页 |
| 4.2.1 微博、途牛和京东的公司概况 | 第33-34页 |
| 4.2.2 样本选取和数据来源 | 第34-36页 |
| 4.2.3 数据的处理与分析 | 第36-38页 |
| 4.2.4 评估模型的训练程序 | 第38-41页 |
| 4.2.5 评估模型的训练结果 | 第41-43页 |
| 4.2.6 模型仿真及评估结果 | 第43-44页 |
| 4.3 基于评估模型的变量重要性分析 | 第44-46页 |
| 5 结论、建议与展望 | 第46-49页 |
| 5.1 主要结论 | 第46页 |
| 5.2 互联网企业价值提升政策性建议 | 第46-47页 |
| 5.3 研究中存在的不足与展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录一：作者在读期间发表的学术论文 | 第53-54页 |
| 附录二：BP神经网络matlab程序 | 第54-62页 |
| 附录三：训练样本数据 | 第62-66页 |