| 论文摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第18-30页 |
| 1.1 定量预测的发展瓶颈 | 第18-19页 |
| 1.2 定量预测的大数据机遇 | 第19-23页 |
| 1.3 论文的研究内容 | 第23-30页 |
| 1.3.1 研究思路 | 第23-25页 |
| 1.3.2 研究方法 | 第25-26页 |
| 1.3.3 论文的组织结构 | 第26-28页 |
| 1.3.4 研究目的与创新点 | 第28-30页 |
| 第二章 面向视频微博评论的情感极性判断算法OSS-TS | 第30-54页 |
| 2.1 引言 | 第30页 |
| 2.2 社交数据情感倾向分析的相关研究 | 第30-37页 |
| 2.2.1 情感倾向 | 第30-31页 |
| 2.2.2 情感分析研究 | 第31-34页 |
| 2.2.3 视频微博评论及其特点 | 第34-35页 |
| 2.2.4 视频微博评论情感极性判定的困难 | 第35-37页 |
| 2.3 基于句法依存分析和半监督学习的视频微博评论情感极性判定算法OSS-TS | 第37-47页 |
| 2.3.1 基于种子词扩展法的动态情感词典构建 | 第38-39页 |
| 2.3.2 基于句法依存分析的情感特征提取 | 第39-43页 |
| 2.3.3 情感特征极性判定 | 第43-46页 |
| 2.3.4 单句情感极性计算 | 第46页 |
| 2.3.5 微博评论的情感极性判定 | 第46-47页 |
| 2.4 基于OSS-TS模型的实验与分析 | 第47-52页 |
| 2.4.1 实验目的 | 第47页 |
| 2.4.2 数据准备 | 第47-50页 |
| 2.4.3 实验步骤 | 第50-51页 |
| 2.4.4 实验结果与分析 | 第51-52页 |
| 2.5 本章小结 | 第52-54页 |
| 第三章 基于社交数据与搜索数据的视频点播量预测算法SoStLVL | 第54-74页 |
| 3.1 引言 | 第54-55页 |
| 3.2 基于社交数据和搜索数据的定量预测相关研究 | 第55-56页 |
| 3.2.1 基于社交数据的定量预测 | 第55页 |
| 3.2.2 基于搜索数据的定量预测 | 第55-56页 |
| 3.2.3 电影票房预测与视频点播量预测的差异 | 第56页 |
| 3.3 视频点播量与微博数据、搜索数据的关系分析 | 第56-64页 |
| 3.3.1 视频点播量相关因素 | 第56-57页 |
| 3.3.2 基于影响因子导偏执因素获取相关数据集 | 第57-58页 |
| 3.3.3 视频点播量分析 | 第58-64页 |
| 3.4 基于情感分析与多元线性回归的视频点播量预测算法SoStLVL | 第64-69页 |
| 3.4.1 SoStLVL算法模型 | 第64-67页 |
| 3.4.2 SoStLVL算法结构 | 第67-69页 |
| 3.5 基于SoStLVL模型的实验与分析 | 第69-72页 |
| 3.5.1 实验目的 | 第69页 |
| 3.5.2 数据准备 | 第69页 |
| 3.5.3 评价指标 | 第69-70页 |
| 3.5.4 实验步骤 | 第70页 |
| 3.5.5 实验结果与分析 | 第70-72页 |
| 3.6 本章小结 | 第72-74页 |
| 第四章 视频点播量的早期预测算法KSSSP | 第74-89页 |
| 4.1 引言 | 第74页 |
| 4.2 基于历史数据预测算法的相关研究 | 第74-77页 |
| 4.2.1 时间序列预测法 | 第74-76页 |
| 4.2.2 KNN回归算法 | 第76-77页 |
| 4.3 视频点播量早期预测的困难与目标 | 第77-78页 |
| 4.3.1 视频点播量早期预测的困难 | 第77页 |
| 4.3.2 视频点播量早期预测的研究目标与研究方法 | 第77-78页 |
| 4.4 基于KNN回归的点播量早期预测算法KSSSP | 第78-84页 |
| 4.4.1 KSSSP算法数据对象描述 | 第78-79页 |
| 4.4.2 KSSSP算法结构 | 第79-84页 |
| 4.5 视频点播量早期预测算法KSSSP的实验与分析 | 第84-87页 |
| 4.5.1 实验目标 | 第84页 |
| 4.5.2 数据准备 | 第84-85页 |
| 4.5.3 评价指标 | 第85页 |
| 4.5.4 实验步骤 | 第85-86页 |
| 4.5.5 实验结果导实验分析 | 第86-87页 |
| 4.6 本章小结 | 第87-89页 |
| 第五章 基于历史数据的点播量中长期预测算法SDLRP | 第89-101页 |
| 5.1 引言 | 第89页 |
| 5.2 基于历史数据实现点播量预测的相关研究 | 第89-91页 |
| 5.2.1 分析型研究 | 第89-90页 |
| 5.2.2 预测型研究 | 第90-91页 |
| 5.3 视频点播量中长期预测的必要性分析 | 第91-92页 |
| 5.3.1 视频个体早期预测与视频网站整体预测的关系 | 第91页 |
| 5.3.2 KSSSP早期预测算法的局限性 | 第91页 |
| 5.3.3 视频点播量发展趋势 | 第91-92页 |
| 5.4 基于平稳期探测与线性回归的点播量中长期预测算法SDLRP | 第92-97页 |
| 5.4.1 SDLRP算法数据对象描述 | 第92-93页 |
| 5.4.2 SDLRP算法结构 | 第93-97页 |
| 5.5 视频点播量中长期预测算法SDLRP的实验与分析 | 第97-100页 |
| 5.5.1 实验目的 | 第97页 |
| 5.5.2 数据准备 | 第97-98页 |
| 5.5.3 评价指标 | 第98-99页 |
| 5.5.4 实验步骤 | 第99页 |
| 5.5.5 实验结果与分析 | 第99-100页 |
| 5.6 本章小结 | 第100-101页 |
| 第六章 视频点播量预测系统 | 第101-111页 |
| 6.1 引言 | 第101页 |
| 6.2 基于社交数据与搜索数据的点播量排名预测系统 | 第101-105页 |
| 6.2.1 系统功能 | 第101页 |
| 6.2.2 系统框架 | 第101-102页 |
| 6.2.3 系统实现 | 第102页 |
| 6.2.4 功能模块 | 第102-105页 |
| 6.2.5 系统总结 | 第105页 |
| 6.3 基于视频网站历史数据的视频点播量早期预测系统 | 第105-110页 |
| 6.3.1 系统功能 | 第105-106页 |
| 6.3.2 系统框架 | 第106页 |
| 6.3.3 系统实现 | 第106-107页 |
| 6.3.4 功能模块 | 第107-110页 |
| 6.3.5 系统总结 | 第110页 |
| 6.4 本章小结 | 第110-111页 |
| 第七章 总结与展望 | 第111-116页 |
| 7.1 论文工作总结 | 第111-114页 |
| 7.1.1 数据信息制约的解决方案 | 第111-112页 |
| 7.1.2 自变量和偏执项的分析 | 第112页 |
| 7.1.3 预测模型选择 | 第112-114页 |
| 7.2 下一步工作 | 第114-116页 |
| 参考文献 | 第116-123页 |
| 附录一 攻读博士期间发表的学术论文 | 第123-125页 |
| 附录二 攻读博士期间参与的科研项目 | 第125-126页 |
| 致谢 | 第126页 |
