【摘 要】
：
摘 要： 本文通过进行大量预处理工作，将经过词袋模型和Word2Vec两种不同向量化方法处理后的文本数据分别输入到SVM和LSTM模型中，训练出可以识别文本情感倾向的模型。进而对新产生的评论进行分类。根据实际数据量的倾斜状况，基于传统机器学习算法支持向量机（SVM），本文提出双层支持向量机，采用2种不同的方法分别训练模型并预测。最后再使用深度学习算法长短时记忆模型（LSTM）再次训练并预测，并对这
论文部分内容阅读
摘 要： 本文通过进行大量预处理工作，将经过词袋模型和Word2Vec两种不同向量化方法处理后的文本数据分别输入到SVM和LSTM模型中，训练出可以识别文本情感倾向的模型。进而对新产生的评论进行分类。根据实际数据量的倾斜状况，基于传统机器学习算法支持向量机（SVM），本文提出双层支持向量机，采用2种不同的方法分别训练模型并预测。最后再使用深度学习算法长短时记忆模型（LSTM）再次训练并预测，并对这3种方法做出比较和总结。结果显示，双层SVM比单层SVM的准确度提高了8个百分点;而LSTM比单层SVM低了2个百分点，比双层SVM低了接近10个百分点。
关键词： 商品评论; 网络爬虫; SVM; LSTM; 情感分类; 数据挖掘
文章编号： 2095-2163（2021）03-0044-04 中图分类号：TP181 文献标志码：A
【Abstract】In this paper， a large amount of preprocessing work is carried out， and the text data processed by the following two different vectorization methods as
其他文献
摘 要： 牵引系统身为地铁车辆的关键系统之一，提升其可靠性对于改善整个地铁车辆的可靠运行尤为重要。但是，牵引系统的结构复杂，且失效模式多样，采用传统的可靠性分析方法较为困难。针对这一问题，提出了一种基于贝叶斯网络的系统可靠性评估方法，并结合故障树法，对地铁车辆牵引系统的可靠性进行建模和分析。以某地铁牵引系统为例，利用贝叶斯网络模型计算出牵引系统的可靠度;通过贝叶斯网络的双向推理能力，找出对牵引系统
为实时了解骑行者的骑行状态,便于其调整骑行举动,设计了基于物联网平台的自行车多功能码表.选用AT89C52作为主控芯片,结合传感器技术、WiFi技术、物联网平台实现了包含计算
摘 要： 与传统波叠加法通过逆问题求解获得源强不同，提出一种基于粒子滤波的波叠加算法来实现正向求解源强。该方法基于波叠加理论建立状态空间模型，根据初始化粒子的先验信息预测并更新状态向量。通过权重计算和重采样，估计等效源的强度及其位置，进而重建三维辐射声场。仿真分析与实验验证表明，该算法可避免逆问题求解中的不适定性难题，实现声场的高精度重建。 关键词： 粒子滤波; 波叠加; 声源定位; 声场重建
目前用于图像识别的大多数卷积神经网络(CNN)都使用相同的原理构建,即:卷积层、池化层、全连接层。文中使用密集卷积神经网络重新评估了用于图像识别的所有组件,并对池化层不存在的必要性提出了质疑。经过实验,分析发现池化层可以由步幅增加的卷积层代替,却不会降低图像识别的准确率。研究中则在DenseNets上训练提出的由卷积层替代池化层的方法,组成新的卷积神经网络体系结构,并在多个图像分类的数据集(CIF
摘 要： 针对于NAO机器人自身语音识别准确率低的问题，提出一种基于NAO机器人的BLSTM-CTC的声学模型研究方法。基于BLSTM-CTC的声学模型进行建模，以BLSTM为声学模型和CTC为目标函数，以音素作为基本建模单元，建立中文语音识别端到端系统。实验结果证明，本文算法相较于NAO机器人自身，取得了良好识别效果。 关键词： 语音识别; BLSTM-CTC; NAO 文章编号： 2095
为解决传统挖掘方法进行数据挖掘时,存在规定时间范围内数据挖掘量少,导致挖掘效率不高的问题,提出Apriori算法在无线网络数据智能挖掘中的应用研究.通过数据挖掘关联规则设
摘 要： 大数据分析旨在从大量复杂的数据中获取价值。查询驱动的数据分析是大数据分析中最主要的部分。由于数据量的庞大，在大数据上获取准确的分析结果将带来极大的存储和计算代价。为解决这一困难，大数据近似分析方法应运而生。本文将主要针对大数据近似分析中的频率估计问题、近似查询处理问题、查询选择性估计问题近十年的解决方法进行总结和归纳。不同于以往以数据库为主视角的分析方法的总结，本文中将涵盖近几年应用或结
鉴于当前的睡眠监测设备存在佩戴复杂、设备昂贵、功能单一和检测方法不合理等情况,设计了一种多传感器数据融合的睡眠监测系统.本系统以STM32F407ZGT6为核心主控芯片,通过可
摘 要： 突触滤波是神经元处理和传递信息的重要过程，有助于生物在复杂环境中获取所需信息。针对当前人工神经元模型中较少考虑到突触滤波机制，本文以FitzHugh-Nagumo（FHN）人工神经元模型为基础构建基于膜电势增量变化的神经元数学模型，在此基础上模拟突触滤波机制，从而提出一种改进FHN神经元滤波模型。而后，对该模型的稳定性条件、幅频响应进行了分析，并通过不同信噪比条件下的典型信号和语音信号实
摘 要： 本文研究了语音情感识别中的半监督特征选择问题，即如何利用未标记语音情感数据来帮助选择具有情感判别性的特征。为了解决这个问题，提出了一种新的基于图的半监督特征选择方法。其可以根据标签适应度和流形平滑度，在图上估计一个预测标签矩阵，从而有效地利用标记数据中的标签信息，以及标记数据和未标记数据中的流形结构信息。与现有的基于图的方法相比，该方法能同时进行特征选择和局部结构学习，从而自适应地确定图