基于TextCNN的情感分析设计与实现开题报告
2022-01-14 21:56:55
全文总字数：1978字
1. 研究目的与意义及国内外研究现状
过去几年，深度学习在自然语言处理等方面表现出色。在不同类型的神经网络当中，卷积神经网络是得到最深入研究的。早期由于缺乏训练数据和计算能力，要在不产生过拟合的情况下训练高性能卷积神经网络是很困难的。标记数据和近来gpu的发展，使得卷积神经网络研究涌现并取得一流结果。本次毕业设计正是使用word2vec辅助cnn，实现自然语言处理中的文本情感分析课题。
我们传统的分类器比如朴素贝叶斯和svm这样的，大多数将文本表示的方法是将其转换为“词袋模型”，主要还是根据在文本中出现的词频来做的，这样也会导致词与词之间的序列信息丢失，我们分词之后，句子本身相当于切成一块一块，词和词组合之后往往会有局部语意。这里一个重要的问题就是粒度和语意的矛盾。如果粒度过大，则太稀疏就跟强行使用n-gram一样，意义不大，粒度过小那么意思就不对了。而使用cnn的话， 通过卷积层之后，把每 k 个词组合之后的语意放在一起，得到比较准确的句向量。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容
1. 学习全连接网络
2. 学习卷积神经网络的搭建
3.最终使用框架完成一个文本情感分析的设计，其模型主要参考如下设计：
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 实施方案、进度安排及预期效果
3月10-3月15日： 查阅整理参考文献，确认研究背景，安排论文进度，指定开题报告，送交指导老师审核
3月15日-4月14日: 通过阅读整理相应文献，对项目设计进行理论基础准备
4月14日-4月28日：构建毕业设计，完成论文初稿
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 参考文献
[1] kim y . convolutional neural networks for sentence classification[j]. eprint arxiv, 2014.
[2] 王盛玉,曾碧卿,胡翩翩.基于卷积神经网络参数优化的中文情感分析[j].计算机工程,2017,43(08):200-207 214.
[3] 周敬一, 郭燕, 丁友东. 基于深度学习的中文影评情感分析[j]. 上海大学学报（自然科学版）, 2018, 24(5).
剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付
