| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景、目的和意义 | 第13-17页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究目的及意义 | 第15-17页 |
| 1.2 研究内容及结构安排 | 第17-18页 |
| 1.2.1 研究内容 | 第17-18页 |
| 1.2.2 结构安排 | 第18页 |
| 1.3 技术路线与创新点 | 第18-21页 |
| 1.3.1 技术路线 | 第18-19页 |
| 1.3.2 创新点 | 第19-21页 |
| 第二章 网络舆情研究综述 | 第21-36页 |
| 2.1 网络舆情的概念 | 第21页 |
| 2.2 网络舆情的研究现状 | 第21-31页 |
| 2.2.1 网络舆情与交叉学科研究维度 | 第22-23页 |
| 2.2.2 网络舆情生命周期维度 | 第23-31页 |
| 2.2.3 研究现状小结 | 第31页 |
| 2.3 网络媒体与舆论的预测研究 | 第31-35页 |
| 2.3.1 在线网络媒体 | 第31-32页 |
| 2.3.2 舆论预测建模 | 第32-34页 |
| 2.3.3 研究现状小结 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 网络舆情组合预测模型 | 第36-59页 |
| 3.1 问题描述 | 第36-38页 |
| 3.2 WNN预测模型 | 第38-46页 |
| 3.2.1 小波理论 | 第38-40页 |
| 3.2.2 BP神经网络 | 第40-41页 |
| 3.2.3 WNN模型的建立与优化 | 第41-45页 |
| 3.2.4 WNN模型的预测流程图 | 第45-46页 |
| 3.3 EMD-BPNN预测模型 | 第46-50页 |
| 3.3.1 经验模态分解 | 第46-47页 |
| 3.3.2 EMD-BPNN模型的建立与优化 | 第47-49页 |
| 3.3.3 EMD-BPNN模型的预测流程图 | 第49-50页 |
| 3.4 EMD-XGBoost-AR预测模型 | 第50-57页 |
| 3.4.1 AR模型 | 第51页 |
| 3.4.2 XGBoost算法 | 第51-53页 |
| 3.4.3 EMD-XGBoost-AR模型的建立 | 第53-56页 |
| 3.4.4 EMD-XGBoost-AR模型的预测流程图 | 第56-57页 |
| 3.5 研究讨论与贡献 | 第57-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 模型优化和实验对比 | 第59-77页 |
| 4.1 实验环境 | 第59页 |
| 4.2 数据来源及预处理 | 第59-62页 |
| 4.2.1 数据来源 | 第59-60页 |
| 4.2.2 数据预处理 | 第60-62页 |
| 4.3 实验分析 | 第62-73页 |
| 4.3.1 WNN模型的实验过程 | 第62-63页 |
| 4.3.2 EMD-BPNN模型的实验过程 | 第63-67页 |
| 4.3.3 EMD-XGBoost-AR模型的实验过程 | 第67-69页 |
| 4.3.4 模型对比分析 | 第69-73页 |
| 4.4 模型对比与讨论 | 第73-76页 |
| 4.4.1 模型对比 | 第73-75页 |
| 4.4.2 结果讨论 | 第75-76页 |
| 4.5 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读学位期间发表的学术论文 | 第84-86页 |
| 致谢 | 第86页 |
