通過(guò)新浪微博數(shù)據(jù)挖掘預(yù)測(cè)上證綜指走向.pdf

1、社交網(wǎng)絡(luò)在最近幾年發(fā)展迅速，國(guó)內(nèi)的新浪微博覆蓋面廣，其內(nèi)容產(chǎn)生便捷，傳播迅速，提供了海量的直接或間接數(shù)據(jù)，故本文選取新浪微博作為數(shù)據(jù)來(lái)源，通過(guò)抽取新浪微博中的文本數(shù)據(jù)，結(jié)合上證綜指的漲跌信息，發(fā)掘二者之間的相關(guān)性，并嘗試建立預(yù)測(cè)模型，進(jìn)而為股市投資者提供一定的參考信息。
　　新浪微博文本數(shù)據(jù)的抓取，主要是通過(guò)自己編寫(xiě)網(wǎng)絡(luò)爬蟲(chóng)來(lái)實(shí)現(xiàn)的。其中，重點(diǎn)分析并解決了用戶(hù)登陸、高級(jí)搜索、單位時(shí)間內(nèi)IP訪(fǎng)問(wèn)次數(shù)限制、文本析取、文本清洗、指標(biāo)提取

2、等問(wèn)題。
　　將整理后的新浪微博文本信息以及上證綜指收盤(pán)價(jià)信息，結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法，最終建立了新浪微博對(duì)上證綜指收盤(pán)價(jià)的預(yù)測(cè)模型。
　　本文主要?jiǎng)?chuàng)新點(diǎn)有:
　　1.國(guó)內(nèi)利用新浪微博數(shù)據(jù)預(yù)測(cè)上證綜指走勢(shì)的研究尚未發(fā)現(xiàn)，本文以此為出發(fā)點(diǎn)，利用新浪微博數(shù)據(jù)預(yù)測(cè)上證綜指走勢(shì)。
　　2.新浪微博文本內(nèi)容的抓取過(guò)程中，引入分布式系統(tǒng)的機(jī)制，解決了新浪微博在用戶(hù)層次和IP層次上設(shè)置的反網(wǎng)絡(luò)爬蟲(chóng)限制。
　　3.本研究屬于