CS291K
使用CNN-LSTM组合神经网络模型对Twitter数据进行情感分析
论文： :
博客文章： :
动机
该项目旨在扩展我们以前使用简单的前馈神经网络（位于此处： ＆ ）进行的情绪分析工作。 相反，我们希望尝试使用Tensorflow构建组合的CNN-LSTM神经网络模型，以对Twitter数据进行情感分析。
依存关系
sudo -H pip install -r requirements.txt
运行代码
在train.py上，更改变量MODEL_TO_RUN = {0或1}
0 = CNN-LSTM
1 = LSTM-CNN
随时更改其他变量（batch_
2021-11-09 17:46:26
12KB
1
基于神经网络与马尔可夫组合模型在城市公路使用性能中的预测实现，孙彬彬，王虹，城市道路使用性能关乎是城市道路建设的延续,其运行管理是确保城市道路运行状态的关键。随着我国经济和交通的快速发展,城市道路的�
2021-10-18 01:24:38
534KB
1
当今时代, 网络舆情传播速度快、影响力大, 而话题检测在网络舆情监管中有着不可替代的作用. 针对传统方法提取文本特征不完整和特征维度过高的问题, 本文提出了基于时间衰减因子的LDA&&Word2Vec文本表示模型, 将LDA模型的隐含主题特征和Word2Vec模型的语义特征进行加权融合, 并引入了时间衰减因子, 同时起到了降维和提高文本特征完整度的作用. 同时, 本文又提出了Single-Pass-SOM组合聚类模型, 该模型解决了SOM模型需要设定初始神经元的问题, 提高了话题聚类的精度. 实验结果表明, 本文提出的文本表示模型和文本聚类方法较传统方法拥有更好的话题检测效果.
2021-10-05 16:02:19
1.15MB
1
粒子群算法（PSO）作为一种群智能算法，有效提高了投资组合模型的实用性，但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点，本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO），并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO），每个粒子的更新规则源自BAS，在每次迭代中都有自己对环境空间的判断，而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解，从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.
2021-10-01 20:02:27
1.16MB
1
针对风电出力的随机性及间歇性，采用灰色理论建立灰色预测一威布尔风速分布组合模型，并对威布 1
尔风速分布参数进行了求解，根据实际地形下风电场风速数据准确预测了风电场的风速分布及有效风电出
力密度，进而求得了风电场风机出力功率及发电量等重要数据
2021-10-01 10:58:05
177KB
1
基于LightGBM优化组合模型的销售预测，葛天萌，王春露，针对超市商品销量的预测问题，本文在研究大量文献的基础上，提出了一种基于LightGBM及XGBoost组合的预测模型。该模型不仅对商品的基本
2021-09-21 08:10:14
483KB
1