随着网络的飞速发展,微博逐渐成为社交网络中信息传播及信息收集的重要平台,微博转发是微博信息传播的重要途径,研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有:粉丝兴趣与微博文本的相似度,微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素,基于此,提出了一种基于循环神经网络的方法来对微博转发量级进行预测,首先利用SIM-LSTM模型构建微博转发趋势度,然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度,最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.
1
使用RNN循环神经网络实现对爬取的京东评论信息进行情感分析 其中包括源代码、数据集、停用词等
2023-03-22 12:02:45 3.41MB 深度学习 NLP 循环神经网络 文本分类
1
emd的matlab代码详解使用 Apache MXNet 的循环神经网络 在我们之前的笔记本中,我们使用了一种称为卷积神经网络 (CNN) 的深度学习技术来对 和 进行分类。 尽管 CNN 是一种强大的技术,但它无法从音频和文本等输入序列中学习时间特征。 此外,CNN 旨在学习具有固定长度卷积核的空间特征。 这些类型的神经网络称为前馈神经网络。 另一方面,循环神经网络(RNN)是一种可以学习时间特征的神经网络,比前馈神经网络具有更广泛的应用。 在本笔记本中,我们将开发一个循环神经网络,用于预测给定前一个单词或字符的单词或字符的概率。 几乎我们所有人的智能手机上都有一个预测键盘,它可以为超快速打字提示即将出现的单词。 循环神经网络使我们能够构建类似于 SwiftKey 的最先进的预测系统。 我们将首先介绍前馈神经网络的局限性。 接下来,我们将使用前馈神经网络实现一个基本的 RNN,它可以很好地了解 RNN 的工作原理。 之后,我们将使用 MxNet 的 gluon API 设计一个具有 LSTM 和 GRU 层的强大 RNN。 我们将使用这个 RNN 来生成文本。 我们还将讨论以下主题
2023-03-19 17:57:22 1003KB 系统开源
1
 针对高等院校网络舆情分析与危机舆情预警的需求,文中对语义情感分析方法进行了研究。通过结合深度学习中循环神经网络(CNN)和心理学领域的注意力机制模型(Attention),提出了ATRNN网络。该网络使用长短期记忆结构(LSTM)作为RNN隐藏层的基本单元,可以处理任意长度的语义信息。网络通过引入Dropout机制,避免网络训练中的过拟合现象,提升训练效果。为了评估模型效果,文中在NLPCC的开放数据集上进行测试。相较于RNN网络,在正面情绪文本上,准确率、召回率和F1可以提升3.3%,1.7%和2.5%;在负面情绪文本上,可以提升4.4%,4.5%和4.4%。
1
rnn-实验 循环神经网络实验
2023-01-04 21:12:57 161KB Python
1
深度学习利用循环神经网络预测股价走势,包含多种情况,多个例子,还有简要的原理注释说明。
2023-01-04 12:28:00 4.29MB 人工智能 深度学习 循环神经网络 RNN
1
本系列讲解循环神经网络RNN和LSTM的所有知识点,学完本系列课程将对RNN和LSTM的理论知识有清晰的认识,同时能够将理论结合实践应用到工作中。
1
pytotrch搭建单向RNN进行数据拟合
2022-12-20 11:27:26 22.1MB 循环神经网络
1
基于RNN(循环神经网络)空中目标意图识别_kereas源码+数据集+程序说明及注释 程序为使用循环神经网络进行意图识别的程序 程序设计语言为Python 3.7.6;开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 代码可以生成损失函数曲线,精确度曲线; 可自定义修改梯度下降方法,损失函数。
基于LSTM循环神经网络空中目标意图识别_kereas源码+数据集+程序说明 程序设计语言为Python 3.7.6;集成开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为:SCENARIO_DATA_UTF8.zip getData()函数负责读取xml文件,并处理成数据序列及对应的标签序列。参数data_length决定了所读取序列的长度。 getDocumentList()函数用于辅助getData()函数进行数据读取。 modelLSTM()用于实现最基本的循环神经网络模型,只是神经元类型为基础的LSTM。