基于互联网新闻文本挖掘的投资与监管辅助决策系统
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1. 导论 | 第13-22页 |
| ·研究背景和意义 | 第13-15页 |
| ·文献综述 | 第15-19页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-18页 |
| ·主要创新点 | 第18-19页 |
| ·研究方法和研究内容 | 第19-21页 |
| ·研究方法 | 第19-20页 |
| ·研究内容和思路 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 2. 互联网新闻抓爬器 | 第22-29页 |
| ·URL简介 | 第22页 |
| ·网络爬虫简介 | 第22-23页 |
| ·网络爬虫分类 | 第23-24页 |
| ·互联网新闻抓爬器设计 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 3. 文本挖掘技术 | 第29-33页 |
| ·文本挖掘技术简介 | 第29-30页 |
| ·文本挖掘分类 | 第30-31页 |
| ·文本挖掘过程 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4. 互联网新闻文本自动分类技术研究 | 第33-49页 |
| ·文本分类简介 | 第33-34页 |
| ·文本分类方法 | 第34-38页 |
| ·决策树分类方法 | 第34页 |
| ·神经网络 | 第34-35页 |
| ·支持向量机 | 第35页 |
| ·朴素贝叶斯 | 第35-36页 |
| ·K最近邻分类算法(KNN) | 第36页 |
| ·几种分类方法的比较 | 第36-38页 |
| ·文本分类过程 | 第38-44页 |
| ·文本分词 | 第38-39页 |
| ·文本预处理 | 第39-40页 |
| ·特征选择 | 第40-41页 |
| ·文本表示 | 第41-42页 |
| ·分类方法选择 | 第42-43页 |
| ·分类模型训练 | 第43页 |
| ·分类模型质量评价 | 第43-44页 |
| ·互联网新闻文本分类实验 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 5. 上市公司互联网形象指数研究 | 第49-54页 |
| ·文本情感分析简介 | 第49页 |
| ·上市公司互联网形象指数研究 | 第49-50页 |
| ·上市公司互联网形象指数计算过程 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 6. 原型系统设计与开发 | 第54-70页 |
| ·基于新闻量化指标的股票收益预测模型 | 第54页 |
| ·STRUTS2及EXTJS技术简介 | 第54-55页 |
| ·Struts2框架 | 第54-55页 |
| ·ExtJS | 第55页 |
| ·系统可行性分析 | 第55-56页 |
| ·技术可行性 | 第55页 |
| ·实践意义可行性 | 第55-56页 |
| ·系统详细设计 | 第56-61页 |
| ·新闻搜索 | 第58-59页 |
| ·文本挖掘模块 | 第59-60页 |
| ·上市公司互联网形象指数模块 | 第60-61页 |
| ·系统功能实现及具体适用场景 | 第61-69页 |
| ·系统入口 | 第61-62页 |
| ·上市公司信息查询方式选择 | 第62-64页 |
| ·股价新闻展示、股价预测及不同公司股价走势对比 | 第64-66页 |
| ·股价波动阈值设置 | 第66-67页 |
| ·新闻分类 | 第67-68页 |
| ·其他功能 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 7. 总结与展望 | 第70-72页 |
| ·本文工作总结 | 第70-71页 |
| ·未来研究方向 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 后记 | 第76-77页 |
| 致谢 | 第77-79页 |
| 在读期间的科研成果目录 | 第79页 |
