| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景、研究目的与意义 | 第9-10页 |
| 1.3 相关技术介绍及研究现状 | 第10-15页 |
| 1.3.1 文本倾向性分析 | 第10-11页 |
| 1.3.2 基于股评文本的股价预测 | 第11-12页 |
| 1.3.3 不平衡数据的分类问题 | 第12-14页 |
| 1.3.4 可信度计算 | 第14-15页 |
| 1.3.5 现有研究的不足 | 第15页 |
| 1.4 本文的主要研究内容与组织结构 | 第15-18页 |
| 第2章 股评文本倾向性分析方法研究 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 股评文本数据集构建及股评文本特点分析 | 第18-21页 |
| 2.2.1 股评文本数据的爬取 | 第18-20页 |
| 2.2.2 股评文本的分词和预处理 | 第20-21页 |
| 2.3 基于SVM的股评文本倾向性分析 | 第21-25页 |
| 2.3.1 SVM简介 | 第21-22页 |
| 2.3.2 特征选择方法研究 | 第22-25页 |
| 2.4 实验结果及分析 | 第25-30页 |
| 2.4.1 实验设置 | 第25-27页 |
| 2.4.2 实验结果及分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 面向不平衡数据的股评文本倾向性分析 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 基于过采样的文本倾向性分析 | 第31-33页 |
| 3.3 基于集成学习的文本倾向性分析 | 第33-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.4.1 基于过采样的实验结果及分析 | 第37-38页 |
| 3.4.2 基于集成学习的实验结果及分析 | 第38-39页 |
| 3.4.3 面向不平衡数据的文本倾向性分类性能比较 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 结合文本倾向性分析的股评文本可信度计算 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 股评目标数据获取及表示 | 第41-42页 |
| 4.3 发布者的可信度评估 | 第42-49页 |
| 4.3.1 发布者的历史可信度评估 | 第43-47页 |
| 4.3.2 发布者的行业可信度评估 | 第47-48页 |
| 4.3.3 发布者的可信度排名 | 第48-49页 |
| 4.4 结合倾向性分析的股评可信度计算 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |