基于文本挖掘的财经领域趋势分析技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·文本分类技术研究现状 | 第10-11页 |
| ·财经新闻对股市影响研究现状 | 第11页 |
| ·论文的研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 文本挖掘相关技术 | 第13-18页 |
| ·文本挖掘概念 | 第13页 |
| ·文本挖掘过程 | 第13-14页 |
| ·文本挖掘分类 | 第14-16页 |
| ·文本分类 | 第14-15页 |
| ·文本聚类 | 第15页 |
| ·文本关联分析 | 第15-16页 |
| ·文档自动摘要 | 第16页 |
| ·文本挖掘中的应用领域 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 文本分类关键技术 | 第18-32页 |
| ·文本分类的定义及过程 | 第18-19页 |
| ·文本预处理 | 第19-22页 |
| ·中文分词技术 | 第20-22页 |
| ·停用词去除 | 第22页 |
| ·文本特征表示 | 第22-25页 |
| ·文本特征项的选择 | 第23页 |
| ·向量空间模型 | 第23-25页 |
| ·特征选择方法 | 第25-27页 |
| ·文档频率(DF) | 第25-26页 |
| ·信息增益(IG) | 第26页 |
| ·互信息(MI) | 第26-27页 |
| ·期望交叉熵(CE) | 第27页 |
| ·x^2统计法(CHI) | 第27页 |
| ·文本分类算法 | 第27-31页 |
| ·类中心向量法 | 第28页 |
| ·朴素贝叶斯算法 | 第28-29页 |
| ·K最近邻算法 | 第29-30页 |
| ·支持向量机算法 | 第30-31页 |
| ·分类结果评价 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 财经新闻分类系统的设计方法 | 第32-36页 |
| ·系统功能设计 | 第32-33页 |
| ·系统设计原则 | 第33-34页 |
| ·系统设计方案 | 第34-35页 |
| ·系统设计目标 | 第34页 |
| ·系统设计思想 | 第34页 |
| ·系统框架设计 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 财经新闻分类系统的实现及结果分析 | 第36-49页 |
| ·系统平台及界面 | 第36-37页 |
| ·系统主要模块的实现 | 第37-46页 |
| ·新闻文本预处理模块 | 第37-41页 |
| ·新闻文本表示模块 | 第41-43页 |
| ·分类器模块 | 第43-45页 |
| ·分类结果输出模块 | 第45-46页 |
| ·实验结果分析 | 第46-48页 |
| ·实验数据源 | 第46页 |
| ·结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| ·全文总结 | 第49页 |
| ·未来的工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
