导读:本文包含了情感学习论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:情感,神经网络,文本,在线,深度,卷积,归纳法。
情感学习论文文献综述
李艳红[1]（2019）在《基于机器学习的企业产品评论数据的情感分析研究》一文中研究指出简要分析了中小企业风险控制和管理问题,借助海量网页数据,利用LDA+SVM组合算法,对行业新闻进行智能分类,利用流式数据对企业产品评论数据进行情感分析研究。鉴于流式数据的稀疏性问题,提出基于信息字节N元语法、信息量、评论情感极性等进行特征扩展的方法,并结合SVM算法,进行观点挖掘。实验结果表明分类器性能有着一定程度的提升。研究结果能够帮助企业管理者全面快速了解市场和把握消费者对产品的态度,及时规避风险。(本文来源于《微型电脑应用》期刊2019年11期）
丁建立,苏现帅[2]（2019）在《基于组合式深度学习网络的混合文本情感分类》一文中研究指出针对混合文本语法杂糅,传统语义分析方法不能有效捕获其语义的问题,提出一种结合双语向量的组合式深度学习模型,用于中英混合文本情感分类。将中英混合文本对齐翻译成双语后,采用双语向量表示;利用CNN提取中文向量的局部特征,利用BiLSTM和注意力机制提取英文向量上下文相关的全局特征;将两种互补模型提取的文本特征进行融合,输入到softmax分类器中进行分类。实验结果表明,提出模型有效提升了混合文本分类的准确率。(本文来源于《计算机工程与设计》期刊2019年11期）
严鹏[3]（2019）在《基于深度学习的商品评论情感分类》一文中研究指出近年来,随着互联网技术的进步,我国电子商务也有了快速的发展,越来越多的人选择网络购物,顾客利用互联网平台对所购产品进行文字评价或数字评分已成为一种常态。商品评论的情感分类是获取顾客对该商品直接反馈的一个重要方式。现阶段,在情感分类研究中最常用的是基于机器学习和情感词典的传统方法,但这些方法都存在一些不足之处。因此,本文主要采用深度学习中的LSTM网络对某品牌电视的评论进行模型构建与数据分析,并与基于机器学习的SVM方法进行对比分析。(本文来源于《软件》期刊2019年11期）
胡博文[4]（2019）在《基于深度学习的情感分类研究》一文中研究指出互联网上的信息蕴含着海量带有情感的数据,充分地对其进行分类可以更好的了解网民的观点和社会舆情。情感分类是自然语言处理(NLP)的重要问题之一,旨在解决情感极性的自动识别与分类问题。近年来随着深度学习的迅速发展,深度学习在海量文本数据的智能理解上表现出独特的优势,得到了越来越多研究者的青睐。本文首先讨论几类有代表性的深度学习模型,利用几类典型的深度学习模型引出多种基于深度学习的情感分类方案。(本文来源于《科学技术创新》期刊2019年32期）
许诺[5]（2019）在《让情感与语文学习相随——一上《升国旗》（第一课时）教学设计》一文中研究指出《升国旗》是一篇描写五星红旗的儿童诗,用朴素的语言表达了同学们对五星红旗深深的热爱。在教这样的现代儿童诗时,笔者的设计理念是立足读文、识字、口语表达,帮助学生想象画面,感受五星红旗的庄严美好,燃起心中对五星红旗的热爱之情。(本文来源于《七彩语文(教师论坛)》期刊2019年11期）
侯树珍[6]（2019）在《对高中生在英语学习中情感因素的调查与研究》一文中研究指出在高中阶段,英语学习对学生来说非常重要,为学生今后的发展奠定了基础。但在高中英语教学过程中,英语学科有关的知识相较于其他学科而言是有难度的,学生要学习的是和自己平时接触不同的语言和文字,给学生的学习造成了一定的阻碍。文章针对学生学习过程中情感因素所起的作用,找到一些合适的方法,不断将情感因素融入到高中英语学习过程中,以此来提升学生学习英语的效率和质量,达到最佳的学习效果。(本文来源于《学周刊》期刊2019年32期）
周春红[7]（2019）在《浅谈高中语文学习中的积极情感》一文中研究指出兴趣是最好的老师,所以心理元素的积极作用能够更好地提升教学的水平和质量。最新研究表明,高中学生如果在学习的时候能够保持积极性的情感态度,可以更好地提升学习积极性。因此,对于高中生的语文教学来说,提升学生的积极感情度能够更好地帮助学生实现自身的学习目标,也能够提升语文教师的教学质量。因此,本文就语文教学中的积极情感展开研究,希望能够提升语文教学的水平,从而帮助学生提升自身的学习积极性,也能够更好的帮助我国高中语文教学质量的提升。(本文来源于《新教育时代教育学术成果汇编》期刊2019-11-06）
李红转[8]（2019）在《数学学习亦需重视情感链接》一文中研究指出我们教师通常在进行文科教学时,常常会突出强调,情感在教学过程中的作用,它能让学生的学习情绪高涨,更易于精神集中投入,师生距离拉近关系更紧密。其实,学生在学习理科科目时如数学课程,对其所涉及的概念、定理、解题方法等,并不意味着只是机械重复记忆,不是像电脑那样复制粘贴,学生在学习过程中,常常伴随各种不同(本文来源于《课程教育研究》期刊2019年44期）
高欢,那日萨,杨凡[9]（2019）在《基于集成学习的在线评论情感倾向分析》一文中研究指出【目的/意义】准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现在线评论情感分类。【结果/结论】实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监督类算法,该模型的分类衡量指标F1值分别提高了10%到30%不等。同时,在酒店、图书等不同领域的数据集上显示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性。(本文来源于《情报科学》期刊2019年11期）
严军超,赵志豪,赵瑞[10]（2019）在《基于机器学习的社交媒体文本情感分析研究》一文中研究指出针对当前文本情感分析精度不高的问题,将多类算法应用于文本分析。为了减少样本训练的负担,评论文本经过预处理、分词、去停用词和提取特征词向量以后,采用多种算法对文本进行处理,保留样本的原始数据特征。笔者分别使用朴素贝叶斯算法、SVM算法以及RNN算法作为文本分类模型,对3种不同算法场景下的Accuracy指标参数做分析对比,实验结果表明RNN算法在中文文本情感分析领域的表现比较好。(本文来源于《信息与电脑(理论版)》期刊2019年20期）
情感学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对混合文本语法杂糅,传统语义分析方法不能有效捕获其语义的问题,提出一种结合双语向量的组合式深度学习模型,用于中英混合文本情感分类。将中英混合文本对齐翻译成双语后,采用双语向量表示;利用CNN提取中文向量的局部特征,利用BiLSTM和注意力机制提取英文向量上下文相关的全局特征;将两种互补模型提取的文本特征进行融合,输入到softmax分类器中进行分类。实验结果表明,提出模型有效提升了混合文本分类的准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
情感学习论文参考文献
[1].李艳红.基于机器学习的企业产品评论数据的情感分析研究[J].微型电脑应用.2019
[2].丁建立,苏现帅.基于组合式深度学习网络的混合文本情感分类[J].计算机工程与设计.2019
[3].严鹏.基于深度学习的商品评论情感分类[J].软件.2019
[4].胡博文.基于深度学习的情感分类研究[J].科学技术创新.2019
[5].许诺.让情感与语文学习相随——一上《升国旗》（第一课时）教学设计[J].七彩语文(教师论坛).2019
[6].侯树珍.对高中生在英语学习中情感因素的调查与研究[J].学周刊.2019
[7].周春红.浅谈高中语文学习中的积极情感[C].新教育时代教育学术成果汇编.2019
[8].李红转.数学学习亦需重视情感链接[J].课程教育研究.2019
[9].高欢,那日萨,杨凡.基于集成学习的在线评论情感倾向分析[J].情报科学.2019
[10].严军超,赵志豪,赵瑞.基于机器学习的社交媒体文本情感分析研究[J].信息与电脑(理论版).2019
论文知识图
