1. 毕业设计（论文）的内容和要求

现有的情感分析方法主要分为基于情感词典的情感分析方法和基于机器学习的情感分析方法。

基于情感词典的文本情感分析方法很大程度上依赖于情感词典的质量和覆盖度,而基于机器学习的文本情感分析方法依赖于人工构建和抽取的特征。

本设计主要研究基于循环神经网络的文本情感分析方法。

2. 参考文献

[1]Andreas C.Muller, Sarah Guido. Introduction to Machine Learning with Python[M]. 南京:东南大学出版社, 2017. [2]Peter Harrington.机器学习实战[M]. 北京:人民邮电出版社, 2013. [3]华校专, 王正林.Python大战机器学习:数据科学家的第一个小目标[M]. 北京:电子工业出版社, 2017. [4]王琛, 胡振邦等.深度学习原理与TensorFlow实践[M]. 北京:电子工业出版社, 2017. [5]史伟, 王洪伟, 何绍义.基于语义的中文在线评论情感分析[J]. 情报学报, 2013, 32(8):860-867. [6]夏东杰, 刘少霞. 基于语义的互联网医院评论文本情感分析及应用[J]. 电脑知识与技术:学术交流, 2017, 13(1X):180-183. [7]Kim Y. Convolutional Neural Networks for Sentence Classification[J]. Eprint Arxiv, 2014. [8]Kalchbrenner N, Grefenstette E, Blunsom P. A Convolutional Neural Network for Modelling Sentences[J]. Eprint Arxiv, 2014. [9]Severyn A, Moschitti A. UNITN: Training Deep Convolutional Neural Network for Twitter Sentiment Classification[C]. Semeval, 2014: 161-176. [10]Xu J, Wang P, Tian G, et al. Short Text Clustering via Convolutional Neural Networks[J]. 数字内容技术与服务研究中心, 2015:62-69. [11]Johnson R, Zhang T. Effective Use of Word Order for Text Categorization with Convolutional Neural Networks[J]. Eprint Arxiv, 2014. [12]Santos C N D, Gattit M. Deep Convolutional Neural Networks for Sentiment Analysis of Short Texts[C]. International Conference on Computational Linguistics, 2014. [13]张剑, 屈丹, 李真. 基于词向量特征的循环神经网络语言模型[J]. 模式识别与人工智能, 2015, 28(4):299-305. [14]张英, 郑秋生. 基于循环神经网络的互联网短文本情感要素抽取[J]. 中原工学院学报, 2016, 27(6):82-88. [15]周胜臣, 瞿文婷, 石英子等. 中文微博情感分析研究综述[J]. 计算机应用与软件, 2013, 30(3):161-164. [16]夏云庆, 杨莹, 张鹏洲等. 基于情感向量空间模型的歌词情感分析[J]. 中文信息学报, 2010, 24(1):99-103.

3. 毕业设计（论文）进程安排

12.20-1.05 确定选题，下达任务书。

1.06-2.05 查阅文献，撰写开题报告。

2.06-2.25 学习python语法 2.26-3.11 学习机器学习相关知识 3.12-3.25 爬取影评数据，数据预处理 3.26-4.08 循环神经网络建模和实现 4.09-4.29 利用循环神经网络对文本进行情感分析 4.30-5-13 评估，完善训练模型 5.14-5.27 毕业论文（设计）的撰写 5.28-6.05 修改论文并定稿打印 6.05-6.09 准备毕业论文的答辩,包括答辩演示文稿等