融合新闻事件和深度学习的时间序列预测方法研究

声明

1 绪 论

1.1 课题研究背景

1.2 课题研究意义与目的

1.3 国内外研究现状

1.3.1 时间序列预测模型

1.3.2 互联网信息在序列预测模型中的应用

1.3.3 新闻舆情分析现状

1.3.4 国内外研究现状总结

1.4 论文主要研究内容

1.5 论文组织结构

2 相关技术综述

2.1 时间序列预测常用模型

2.1.1 ARIMA模型

2.1.2 卷积神经网络

2.1.3 循环神经网络

2.1.4 长短时记忆网络

2.2 新闻舆情分析方法

2.2.1 基于情感词典的方法

2.2.2 基于传统机器学习的方法

2.2.3 基于词向量与深度学习的方法

2.3 本章小结

3 NS_TCL模型设计

3.1 基于Self-Attention新闻舆情分析方法

3.2 基于CNN的长短期历史特征提取

3.3 基于CNN和LSTM的时间序列预测模型整体结构

3.4 NS_TCL模型

3.4.1 NS_TCL模型整体结构

3.4.2 NS_TCL模型超参数设计

3.4.3 NS_TCL模型训练方法

3.5 本章小结

4 实验与分析

4.1 实验数据集

4.2 实验设计

4.2.1 数据集划分

4.2.2 数据预处理

4.2.3 对比算法设计

4.2.3 评价方法

4.3 实验结果展示和分析

4.3.1 预测结果实验分析

4.3.2 参数敏感性实验分析

4.4 本章小结

5 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

附录1 攻读硕士学位期间参与的科研项目

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间发表的论文