论文研究-基于弱监督预训练CNN模型的情感分析方法.pdf
传统的情感分析研究大多基于机器学习算法，此类方法依赖大量人工抽取的特征与领域知识。使用卷积神经网络自动学习文本的特征表示，进而判别文本的情感极性。为了解决情感分析中监督训练样本不足的问题，利用大规模弱监督数据来训练卷积神经网络。同时引入“预训练-微调”策略，先在弱监督数据集上对卷积神经网络进行预训练，然后使用监督数据集进行微调训练来克服弱监督数据中的噪声问题。在SemEval-2013 Twitter情感分析数据集上进行实验验证，结果表明由于引入了弱监督数据参与训练，有效增强了卷积神经网络学习情感语义的能力，从而提升了模型的准确性。
文件下载
评论信息
其他资源
- 非常全的软件设计方案
- 达观数据NLP特刊：从原理到实践.pdf
- Java 版仿QQ
- 北大张恭庆著《泛函分析讲义》
- springboot文件上传路径保存数据库并且可以复制路径网页访问图片
- JSP网上人才招聘网站SSH
- VC++6.0+sql server，学院通讯录管理系统，源程序+数据库+报告
- 2018最新全国省市区县街道乡镇五级联动MySQL数据库表
- 金融计量学导论中文版
- GS+9.0软件
- 游戏外挂攻防艺术PDF书和代码
- 索尼电纸书 Sony dpt rp1 使用说明
- 数字图像处理原理及应用代码.rar
- UE4天空球插件.zip
- 065-新进员工培训.ppt
- QT编写的定时器Time
- 司守奎数模算法第四章
- CM-R湿敏电阻性能指标 阻值与湿度关系曲线.pdf
- pcre-8.36.tar.gz
- 关键字，字符串高效比对算法
- JAVA版拼图游戏源代码
- struts2案例
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明