| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 引言 | 第9-13页 |
| 1 材料与方法 | 第13-18页 |
| 1.1 研究对象 | 第13页 |
| 1.2 研究内容 | 第13页 |
| 1.3 研究方法 | 第13-16页 |
| 1.3.1 建立关键词库及关键词的纳入排除标准 | 第13-14页 |
| 1.3.2 选取并收集疫情的数据与舆情数据 | 第14页 |
| 1.3.3 构建不同滞后期的诺如相关关键词词组集 | 第14-15页 |
| 1.3.4 构建并选择诺如预测模型 | 第15页 |
| 1.3.5 开展不同地区舆情及疫情评估 | 第15-16页 |
| 1.3.6 选取若干诺如疫情对模型的验证 | 第16页 |
| 1.3.7 隐私保护与质量控制 | 第16页 |
| 1.4 统计分析 | 第16-17页 |
| 1.5 技术路线 | 第17-18页 |
| 2 结果 | 第18-30页 |
| 2.1 诺如疫情的暴发特征 | 第18-19页 |
| 2.2 各滞后期纳入的诺如疫情相关关键词 | 第19-22页 |
| 2.3 构建基于百度指数的诺如预警预测模型 | 第22-24页 |
| 2.4 诺如舆情的复合百度指数及诺如预测病例的空间展示 | 第24-26页 |
| 2.5 疫情预警预测与模型验证 | 第26-30页 |
| 2.5.1 疫情预警预测 | 第26-29页 |
| 2.5.2 模型的验证 | 第29-30页 |
| 3 讨论 | 第30-36页 |
| 3.1 开展互联网监测的意义 | 第30-31页 |
| 3.1.1 互联网及搜索引擎的发展 | 第30页 |
| 3.1.2 传染病监测的目的及意义 | 第30-31页 |
| 3.1.3 开展互联网监测的优点及本研究的意义 | 第31页 |
| 3.2 关键词的选择 | 第31-32页 |
| 3.3 滞后期的选择的探讨 | 第32页 |
| 3.4 对最优模型选择的探讨 | 第32-33页 |
| 3.5 对潜在发病的探讨 | 第33-35页 |
| 3.6 局限性 | 第35-36页 |
| 4 结论 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 附录A 综述 | 第41-50页 |
| 参考文献 | 第47-50页 |
| 附录B 2013年浙江省分地市网民规模及互联网普及率 | 第50-51页 |
| 在学研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |