首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

卷积神经网络在情感分类中的应用和研究

致谢第5-6页
摘要第6-7页
Abstract第7页
1 引言第10-16页
    1.1 研究背景及意义第10页
    1.2 研究现状第10-14页
    1.3 主要研究内容第14-15页
    1.4 论文组织和结构第15-16页
2 预备知识第16-33页
    2.1 文本预处理第16页
    2.2 文本表述第16-18页
    2.3 经典情感分类算法第18-20页
    2.4 深度神经网络第20-24页
        2.4.1 卷积神经网络第21-23页
        2.4.2 循环神经网络第23页
        2.4.3 递归神经网络第23-24页
    2.5 卷积神经网络的改进第24-28页
        2.5.1 池化操作的改进第25页
        2.5.2 参数正则化的改进第25-26页
        2.5.3 激活函数的改进第26-27页
        2.5.4 损失函数的改进第27-28页
    2.6 支持向量机理论第28-33页
        2.6.1 线性支持向量机第29-30页
        2.6.2 非线性支持向量机第30-33页
3 基于L2-SVM和深度卷积神经网络的情感分析模型第33-44页
    3.1 问题的提出第33页
    3.2 基于L2-SVM和深度卷积神经网络的分类模型第33-37页
        3.2.1 LDCNN模型结构第33-34页
        3.2.2 LDCNN动态池化函数第34-35页
        3.2.3 LDCNN模型损失函数第35页
        3.2.4 模型参数优化第35-37页
    3.3 实验及结果分析第37-43页
        3.3.1 实验数据第37页
        3.3.2 评价指标第37-38页
        3.3.3 实验方案第38-39页
        3.3.4 实验参数第39页
        3.3.5 情感分类性能第39-43页
    3.4 本章小结第43-44页
4 基于L2-SVM和并行卷积神经网络的情感分类模型第44-49页
    4.1 问题提出第44页
    4.2 基于L2-SVM和并行卷积神经网络的情感分类模型第44-45页
        4.2.1 LPCNN模型结构第44页
        4.2.2 LPCNN模型池化操作第44-45页
        4.2.3 LPCNN模型损失函数和参数优化第45页
    4.3 实验结果及分析第45-48页
        4.3.1 实验数据第45-46页
        4.3.2 评价指标第46页
        4.3.3 实验方案第46页
        4.3.4 实验参数第46-47页
        4.3.5 情感分类性能第47-48页
    4.4 本章小结第48-49页
5 结论第49-50页
6 参考文献第50-54页
作者简历第54-56页
学位论文数据集第56-57页

论文共57页,点击 下载论文
上一篇:当代摩梭人族际通婚研究--基于宁蒗县永宁乡两个村的调查
下一篇:新媒体对我国政府公信力影响问题研究