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
华中科技大学;