基于类模型的Web舆情趋势预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-13页 |
| ·国内外现状 | 第13-15页 |
| ·本论文目标与创新点 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 Web 舆情趋势预测相关技术 | 第17-27页 |
| ·文本分类技术 | 第17-18页 |
| ·聚类算法 | 第18-21页 |
| ·Web 信息提取技术概述 | 第21-23页 |
| ·常用预测方法 | 第23-26页 |
| ·自回归模型 | 第24-25页 |
| ·灰色理论模型 | 第25-26页 |
| ·多项式回归模型 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 系统设计与整体框架 | 第27-34页 |
| ·系统设计原理 | 第27页 |
| ·系统总体架构 | 第27-28页 |
| ·舆情趋势预测模块设计 | 第28-31页 |
| ·总体设计 | 第28-30页 |
| ·数据库设计 | 第30-31页 |
| ·类图 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 数据准备模块的设计与实现 | 第34-47页 |
| ·网络爬虫的设计 | 第34-38页 |
| ·基于模糊高斯混合模型的信息提取算法 | 第38-42页 |
| ·网页的预处理 | 第38-39页 |
| ·抽取规则的生成 | 第39-41页 |
| ·信息抽取 | 第41-42页 |
| ·舆情信息时间序列提取 | 第42-46页 |
| ·舆情信息分类 | 第42-44页 |
| ·舆情信息社会网络构建 | 第44-45页 |
| ·Google trends 时间序列 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于类模型的WEB 舆情趋势预测 | 第47-56页 |
| ·算法思想概述 | 第47-48页 |
| ·时间序列的预处理 | 第48-52页 |
| ·时间序列降噪处理 | 第49页 |
| ·切取周期 | 第49-52页 |
| ·类模型库的构建 | 第52-54页 |
| ·时间序列长期趋势预测 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 测试与分析 | 第56-65页 |
| ·网页信息提取实验分析 | 第56-57页 |
| ·文本分类实验分析 | 第57-58页 |
| ·长期趋势预测实验分析 | 第58-64页 |
| ·实验效果展示 | 第58-63页 |
| ·对比检验 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻硕期间取得的研究成果 | 第73-74页 |
