数据驱动的网络舆情传播建模与参数反演研究及其应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 论文研究思路 | 第11-12页 |
| 1.3 章节安排 | 第12-14页 |
| 2 相关领域研究概论 | 第14-22页 |
| 2.1 复杂网络 | 第14-15页 |
| 2.2 社会计算与社会舆情 | 第15-18页 |
| 2.3 舆情大数据研究现状 | 第18-20页 |
| 2.4 舆情传播研究现状 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 舆情传播的建模研究 | 第22-38页 |
| 3.1 流行病模型 | 第22-26页 |
| 3.2 观点动力学模型 | 第26-29页 |
| 3.3 数据驱动的舆情传播模型 | 第29-33页 |
| 3.4 数据驱动的舆情传播模型求解 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 数据驱动的舆情传播模型参数反演算法 | 第38-48页 |
| 4.1 舆情预测模型的相关技术 | 第38-44页 |
| 4.2 基于神经网络的参数反演算法 | 第44-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 实例分析 | 第48-58页 |
| 5.1 案例选择和数据获取 | 第48-49页 |
| 5.2 数据整理和分析 | 第49-50页 |
| 5.3 模型参数反演 | 第50-51页 |
| 5.4 网络舆情的预测及结果分析 | 第51-56页 |
| 5.5 基于参数反演舆情传播的对策 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-61页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录1 攻读学位期间发表的论文 | 第66-67页 |
| 附录2 攻读学位期间参与的项目 | 第67页 |
