| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-29页 |
| 1.1 课题来源 | 第14页 |
| 1.2 研究背景与意义 | 第14-15页 |
| 1.3 国内外研究概况 | 第15-23页 |
| 1.3.1 网络舆情信息的事件追踪与影响力测度研究 | 第15-18页 |
| 1.3.2 现实交易行为的时间序列分割与异常研究 | 第18-22页 |
| 1.3.3 网络舆情信息与现实交易行为的映射关系研究 | 第22-23页 |
| 1.4 主要研究内容 | 第23-27页 |
| 1.5 论文组织结构 | 第27-29页 |
| 第二章 网络舆情信息中的事件追踪 | 第29-45页 |
| 2.1 事件定义与发现 | 第29-31页 |
| 2.2 面向特定领域的网络舆情信息中的事件追踪 | 第31-40页 |
| 2.2.1 特定领域中的关联规则获取 | 第33-35页 |
| 2.2.2 基于带权最大二分图匹配的事件追踪方法 | 第35-40页 |
| 2.3 实验结果与分析 | 第40-44页 |
| 2.3.1 事件追踪方法的验证与分析 | 第40-41页 |
| 2.3.2 事件追踪方法在股吧中的应用 | 第41-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第三章 基于事件影响力的网络舆情信息与现实交易行为的映射关系 | 第45-62页 |
| 3.1 基于用户与热度的事件影响力测度 | 第45-52页 |
| 3.1.1 用户影响力获取 | 第45-48页 |
| 3.1.2 浏览量与回复量的关系获取 | 第48-49页 |
| 3.1.3 基于用户与热度的事件影响力测度方法 | 第49-52页 |
| 3.2 基于事件影响力的网络舆情信息与现实交易行为的映射关系构建与评估 | 第52-54页 |
| 3.3 实验结果与分析 | 第54-61页 |
| 3.3.1 用户影响力结果分析 | 第54-56页 |
| 3.3.2 浏览量与回复量关系分析 | 第56-57页 |
| 3.3.3 映射关系分析 | 第57-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第四章 基于时间序列分割的现实交易行为与网络舆情信息的映射关系 | 第62-87页 |
| 4.1 时间序列重构与分割 | 第62-64页 |
| 4.1.1 时间序列重构 | 第62-63页 |
| 4.1.2 时间序列分割 | 第63-64页 |
| 4.2 基于上下文感知的时间序列分割 | 第64-75页 |
| 4.2.1 基于上下文感知的边相似度算法 | 第64-71页 |
| 4.2.2 基于上下文感知的边密度算法 | 第71-72页 |
| 4.2.3 时间序列聚类条件 | 第72-73页 |
| 4.2.4 基于边聚类的时间序列分割算法 | 第73-75页 |
| 4.3 基于时间序列分割的现实交易行为与网络舆情信息的映射关系构建与评估 | 第75-76页 |
| 4.4 实验结果与分析 | 第76-85页 |
| 4.4.1 数据来源 | 第76-77页 |
| 4.4.2 分割结果的鲁棒性与准确性分析 | 第77-83页 |
| 4.4.3 映射关系分析 | 第83-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第五章 基于时间序列异常的现实交易行为与网络舆情信息的映射关系 | 第87-102页 |
| 5.1 时间序列异常相关定义 | 第88-90页 |
| 5.2 基于自适应区间的异常获取 | 第90-94页 |
| 5.2.1 基于最小熵的自适应区间候选集获取方法 | 第90-91页 |
| 5.2.2 基于分离度的自适应区间界定方法 | 第91-93页 |
| 5.2.3 基于自适应区间的异常获取方法 | 第93-94页 |
| 5.3 基于时间序列异常的现实交易行为与网络舆情信息的映射关系构建与评估 | 第94-95页 |
| 5.4 实验结果与分析 | 第95-101页 |
| 5.4.1 异常获取结果的准确性分析 | 第96-98页 |
| 5.4.2 映射关系分析 | 第98-101页 |
| 5.5 本章小结 | 第101-102页 |
| 第六章 结论与展望 | 第102-105页 |
| 6.1 结论 | 第102-103页 |
| 6.2 展望 | 第103-105页 |
| 参考文献 | 第105-118页 |
| 作者在攻读博士学位期间公开发表的论文 | 第118-120页 |
| 作者在攻读博士学位期间所作的项目 | 第120-121页 |
| 致谢 | 第121-122页 |
