通过新浪微博数据挖掘预测上证综指走向
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-14页 |
| ·国际国内社交媒体发展简介 | 第8-9页 |
| ·社交媒体研究现状 | 第9-11页 |
| ·国外对社交媒体的研究情况 | 第9-11页 |
| ·国内对社交媒体的研究情况 | 第11页 |
| ·本文研究的主要内容以及意义 | 第11-12页 |
| ·本研究的创新之处 | 第12-13页 |
| ·本论文的基本组织结构 | 第13-14页 |
| 2 新浪微博数据的获取 | 第14-24页 |
| ·基于网络爬虫的数据抓取策略 | 第14-16页 |
| ·网络爬虫简介 | 第14页 |
| ·不同类型的网络爬虫介绍 | 第14-15页 |
| ·网络爬虫的优势以及不足 | 第15-16页 |
| ·基于新浪微博API的数据抓取策略 | 第16-17页 |
| ·新浪微博API简介 | 第16页 |
| ·新浪微博API相关功能简介 | 第16-17页 |
| ·新浪微博API对数据检索的限制条件 | 第17页 |
| ·本章总结 | 第17-24页 |
| ·确定数据抓取策略 | 第17-18页 |
| ·针对本文数据特点,解决相应的问题 | 第18-22页 |
| ·数据抓取流程 | 第22-23页 |
| ·数据抓取结果 | 第23-24页 |
| 3 新浪微博数据的清洗 | 第24-32页 |
| ·数据清洗及整理 | 第24-29页 |
| ·数据清洗工具 | 第24-26页 |
| ·数据清洗过程 | 第26-28页 |
| ·数据存储 | 第28-29页 |
| ·分析维度提取与量化 | 第29-31页 |
| ·提取主要维度 | 第29页 |
| ·量化处理 | 第29-31页 |
| ·本章总结 | 第31-32页 |
| ·数据处理结果 | 第31-32页 |
| ·具体功能模块 | 第32页 |
| 4 建立预测模型并检验 | 第32-46页 |
| ·算法分析 | 第33-37页 |
| ·聚类 | 第33-37页 |
| ·预测算法 | 第37-40页 |
| ·分类 | 第37-38页 |
| ·人工神经网络算法 | 第38-40页 |
| ·预测模型的改进 | 第40页 |
| ·模型建立 | 第40-43页 |
| ·流程分析 | 第40-43页 |
| ·模型 | 第43页 |
| ·模型检验 | 第43-45页 |
| ·检验流程 | 第43-44页 |
| ·检验结果 | 第44-45页 |
| ·本章总结 | 第45-46页 |
| 5 结论 | 第46-50页 |
| ·结果分析 | 第46-48页 |
| ·数据采集及处理 | 第46页 |
| ·预测模型 | 第46-47页 |
| ·论文结果 | 第47-48页 |
| ·应用价值 | 第48页 |
| ·论文展望 | 第48-50页 |
| 致谢 | 第50页 |
| 参考文献 | 第50-53页 |
| 在学期间发表的学术论文和科研成果 | 第53页 |
