引入双循环机制深度学习模型的文本情感分析

深度神经网络模型通常使用注意力机制或融合卷积神经网络来提取特征,但由于注意力机制抓取的特征过于单一,存在提取特征不完善的问题。 将循环机制引入卷积神经网络中,构建了具有双循环结构的网络模型(DRCNN),从而改善模型的特征提取能力,将其与双向长短期记忆网络结合,提出一种带有注意力机制、特征提取能力更强的混合模型(BiLSTM-DRCNN)并应用于情感分类任务中。通过情感分类的实验分析表明,BiLSTM-DRCNN 神经网络模型具有比较好的性能,与融合卷积神经网络(CNN)和双循环长短期记忆神经网络(BiLSTM)模型相比,综合评价指标提高2%以上;与BiLSTM-CNN、Fusion Model 模型相比,综合评价指标提高了近1%,且收敛速度更快。     

基于深度学习的电商用户评论情感极性分析

为对电商平台中的用户评论进行情感极性分析,先对这些电商评论文本进行预处理,再利用经过训练优化了参数的BERT-CNN模型进行分析。结果表明,BERT-CNN模型虽然用时较长,但准确率、召回率和F都优于其他模型,而且BERT-CNN模型训练过程稳定,收敛后损失较小,因此,在情感分析中BERT-CNN模型效果最好。     

CNN结合BLSTM的短文本情感倾向性分析

情感分析在业界被广泛应用于产品分析、商品推荐等方面,具有很高的商业价值。目前常用的研究方法主要基于机器学习算法和基于词典的方法,该类方法通常需依赖复杂的人工规则和特征工程。针对传统情感分类方法需要人工干预的问题,总结目前已有可用于情感分析的深度学习方法,提出将卷积神经网络（CNN）和双向长短时记忆网络（BLSTM）进行组合,并将融合后的特征添加至注意力机制,设计出CBLSTM-Attention模型。实验表明,该模型在中文数据集上准确率达0.965 0,在NLPCC英文数据集上准确率达0.942 2,证明该方法不仅可提高文本情感倾向性分析的准确率,而且可有效解决人工干预问题。     

文本情感分析在虚假评论识别中的应用研究

随着各个在线平台用户生成内容的普及,在线评论对品牌方、消费者、平台的影响越来越大,针对在线评论文本情感分析的技术成为研究热点。与此同时,为提升自身信誉或诋毁竞争对手的虚假评论泛滥,对消费者的购买决策及产品的网络口碑带来不利影响。使用文献研究、案例分析等方法,以虚假评论识别方法研究为基础,探讨其文本情感特点,总结出当前多是通过情感极性的角度来识别虚假评论,并对未来有针对性地构建更合理完善的情感词典及对新媒体平台的虚假评论识别进行展望。     

基于自注意深度学习的商品评论情感分类

电子商务突飞猛进,网购成为人们消费必不可少的渠道.网络商品评论的情感极性是获取顾客对该种类商品反馈的最直接方式,商家可以通过分析评论获取顾客对所购商品的感受,为后续销售计划变更和产品改进及时作出决策.针对CNN只能提取局部特征、RNN易导致梯度消失与爆炸的问题,提出一个结合RNN变体-GRU与MSCNN的XL-GSAt...     

E-learning评论文本的情感分类研究

自本世纪初起,E—learning作为一种灵活、丰富、高效的学习方式,被越来越多的学习者接受,而伴随着学习技术的逐步成熟,学习者对E—learning应用的要求也从最初的知识推送提升到能够在讲授者与学习者之间搭建有效的沟通桥梁,将零反馈的封闭式学习变成多反馈的协作学习。E—learning的评论信息隐含了学习者在学习中遇到的问题和建议,从中可挖掘学习者对学习资源及授课者的意见。这对改善教学模式、完善教学支持服务意义重要。现有E—learning系统所提供的海量评论信息中正面评论与负面评论夹杂,给挖掘学习者的真实意见和需求带来困难。本文对文本情感分类过程进行归纳,构建了一种情感分类应用模型,在完成预处理、创建词典、提取情感特征后实现了一个情感分类引擎,并将该引擎与实际系统整合。改进后的系统能够将学习者的评论文本自动分为正面评论、负面评论和中性评论,实际性能及用户体验评价结果表明,新的基于情感单元的情感分类方法能满足E—learning评论文本的情感分类需求。     

文本情感分析动态研究

中国的情绪分析研究主要集中在商业价值领域,如医院、旅游、餐饮和金融。使用Bicomb软件和SPSS数据分析软件来分析研究中国知网2000—2020年收录的954篇文献。提取文献关键词,对文本情感分析研究进行归类和分析,研究文本情感分析的热点和发展趋势,为数据挖掘提供研究方向。     

基于卷积神经网络的商品图像识别系统设计

随着在线购物、自助结算等新零售商业模式的发展,运营终端对商品智能识别和结算的需求越来越高.人工智能在突破硬件限制以后得到突破性发展,其所用的卷积神经网络技术能很好地支撑商品图像识别应用.对卷积神经网络的系统架构和模型进行改进,尤其是对耗时较长的训练学习模型进行优化设计.经实际测试:该设计能有效提高商品图像识别系统计算的速度和识别准确性,满足社会在智能化商务运营中高效结算的业务需求.     

基于卷积神经网络情感识别的表情包输出

网络社交中的表情包越来越丰富。有一种新的寻找网络社交表情包的方法,通过使用卷积神经网络的图像处理能力,进一步根据实时表情来寻找合适的表情包,目的在于节约网络社交上寻找合适表情包的时间和效率。通过实验表明,该方法具有较好的识别精度,能够在较短时间内找到与用户实时表情相匹配的表情包,缩短了用户查找表情包的时间,增加了网络社交的乐趣并提高了效率。     

基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

结合Inception模块的卷积神经网络图像分类方法

针对现有卷积神经网络模型参数量大、训练时间长的问题,提出了一种结合VGG模型和Inception模块特点的网络模型。该模型通过结合两种经典模型的特点,增加网络模型的宽度和深度,使用较小的卷积核和较多的非线性激活,在减少参数量的同时增加了网络特征提取能力,同时利用全局平均池化层替代全连接层,避免全连接层参数过多容易导致的过拟合问题。在MNIST和CIFAR-10数据集上的实验结果表明,该方法在MNIST数据集上的准确率达到了99.76%,在CIFAR-10数据集上的准确率相比传统卷积神经网络模型提高了6%左右。     

基于深度记忆网络的特定目标情感分类研究

特定目标情感分类不仅依赖于上下文信息,还需结合特定目标的特征信息,是一种细粒度的情感分析。针对特定目标情感分类提出了一种基于深度记忆网络的分类模型。该模型以双向LSTM和注意力机制为主干框架,从双向LSTM中抽取出目标的特征表示,将目标特征信息加入句子表示中,并加入多计算层（Hops）结构,用以挖掘句子和目标更深层次的情感特征信息,每个计算层的结构类似,共享参数。最后在SemEval2014和SemEval2016数据集上进行实验,取得了比其它基准模型更好的效果。     

深度卷积神经网络模型发展综述

随着移动互联网与硬件处理器技术的不断发展,海量数据处理与计算能力不断提高,深度学习备受关注。卷积神经网络是深度学习模型中最重要的一种结构,可用于目标特征提取。介绍了为提高卷积神经网络性能,不断增加卷积网络深度的模型,以及因此带来的新问题和解决方法。     

基于卷积神经网络的人脸检测算法研究

近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。     

工作记忆和语篇的阅读理解

工作记忆是指长时记忆中被激活的部分,它在语篇阅读理解中具有重要的作用。长时工作记忆的特点就是信息可以在长时记忆中快速、可靠地存取。用长时工作记忆理论,可以重新解释阅读理解中的误入歧途效应、扇形效应等心理现象。     

基于卷积神经网络的野外烟雾检测研究

野外烟雾具有稀疏性,在整幅图像中所占面积小,扩散缓慢。传统烟雾检测算法由人工提取的特征不一定是最合适的烟雾特征,从而导致烟雾检测存在错检或误检。为此,设计了基于卷积神经网络的野外烟雾检测算法。通过改进的VGG16网络以及搭建的卷积神经网络conv-10进行烟雾检测。VGG16过滤器尺寸大小为3×3,步长为1。conv-10通过对LeNet增加相应的层数进行烟雾检测。实验证明,conv-10网络具有较高的准确率,达到94.7%,时间仅需要1 656s。改进的VGG16网络准确率也较高,但是比conv-10网络速度慢,时间需要10 450s。     

基于神经网络算法的文本分类器研究

文本自动分类是目前最常用的文本信息自动处理技术,也是人工智能、自然语言处理和信息检索领域的研究热点。对文本自动分类所涉及的相关问题进行了全面论述,并简单介绍了基于神经网络的文本分类器的设计与实现。     

听力的语篇教学与理解记忆

听力理解的过程揭示了听力理解和记忆涉及到语言知识和文化背景等多方面的因素，在听力课教学中实施整体的语篇教学有助于学生在听力训练全过程中取得显著成效。