基于BERT的推文情感词提取研究任务书

 2022-01-21 07:01

全文总字数:2352字

1. 毕业设计(论文)的内容和要求

在日常的微博传播背后,其情绪会影响公司或者个人的决策。

捕捉情绪语言能够立刻让人们了解到语言中的情感,从而可以有效指导决策。

但是,哪些词实际上主导情绪描述,这就需要我们模型能够有效挖掘出来。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 实验内容和要求

本毕业设计的实验环境为64位Ubuntu16.04的GPU服务器,拥有2个物理CPU和4个独立显卡,其中CPU类型为Intel(R) Xeon(R) E5-2620 v4,显卡类型为NVIDIA TITAN XP,服务器内存大小为128G。

开发系统环境为64位Windows10,采用Python3.7为本系统的主要开发语言,PyTorch1.3.0作为深度学习相关模型框架,主要代码编辑器使用Pycharm。

主要实验内容为:1、 基于不同的神经网络模型搭建推文情感词提取模型,并进行实验对比;2、 构建推文情感词提取原型系统。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 参考文献

[1] 蒋玉婷, 闫翰文, 季境隆. 情感分析中的关键词提取[J]. 数字化用户, 2018, 024(003):203-204.

[2] Vaswani A, Shazeer N, Parmar N, et al. Attention is all you need[C]//Advances in Neural Information Processing Systems. 2017: 5998-6008.

[3] Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding[J]. arXiv preprint arXiv:1810.04805, 2018.

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 毕业设计(论文)计划

2021-01-05~2021-01-12 课题下达,并做好毕业设计的准备工作,包括了解系统的功能和结构,进行简单的设计和分析,熟悉开发工具,撰写开题报告2021-01-13~2021-01-20 完成开题报告,并进行开题。

所有基础工作准备就绪,正式进入编程阶段2021-01-21~2021-02-28 软件框架构建完成,实现原型开发,能实现简单的功能。

同时完成英文翻译2021-02-29~2021-04-25 软件设计基本完成,完成论文的提纲,准备并进行中期检查工作2021-04-26~2021-05-24 软件最终完善并通过测试。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。