1. 毕业设计（论文）主要内容：
1、微博内容提取与预处理解析并提取微博内容，首先去噪、然后分词、去除冗余，最后进行序列化处理。
2、词向量训练和模型构建通过Word2vec训练生成词向量，构建LSTM深度神经网络模型，对微博文本进行情感分类3、对比实验通过对比实验对词向量的训练参数，不同粒度的微博情感分类进行研究
2. 毕业设计（论文）主要任务及要求
完成的主要任务及要求主要任务要求：1.查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；教指导教师意见应包含：学生的调研是否充分？基本内容和技术方案是否已明确？是否已经具备开始设计（论文）的条件？能否达到预期的目标？是否同意进入设计（论文）阶段？）；3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；4.完成系统的编码与调试；5.完成10000字以上的毕业论文；6.进行论文答辩。
3. 毕业设计（论文）完成任务的计划与安排
时间节点：(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；(3)2020/5/1—2020/5/25：撰写及修改毕业论文；(4)2020/5/26—2020/6/5：准备答辩。
4. 主要参考文献
[1] 赵妍妍,秦兵,刘挺.文本情感分析[J].软件学报,2010,21(08):1834-1848.[2] 任远,巢文涵,周庆,李舟军.基于话题自适应的中文微博情感分析[J].计算机科学,2013,40(11):231-235 270.[3] Turney P D. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews[J]. 2002: 8.[4] Taboada M, Brooke J, Tofiloski M, et al. Lexicon-based methods for sentiment analysis[J]. Computational Linguistics, 2011, 37(2): 267-307.[5] 闻彬,何婷婷,罗乐,宋乐,王倩.基于语义理解的文本情感分类方法研究[J].计算机科学,2010,37(06):261-264.[6] 孙艳,周学广,付伟. 基于主题情感混合模型的无监督文本情感分析[J].北京大学学报(自然科学版). 2013(01): 102-108.[7] 李科. 基于多元特征融合和LSTM神经网络的中文评论情感分析[D].太原理工大学,2017.[8] Pang B, Lee L, Vaithyanathan S. Thumbs up? Sentiment Classification using Machine Learning Techniques[C]. IN PROCEEDINGS OF EMNLP: 2002.[9] Boiy E, Moens M F. A machine learning approach to sentiment analysis in multilingual Web texts[J]. Information Retrieval, 2009, 12(5):526-558.[10] 唐慧丰,谭松波,程学旗.基于监督学习的中文情感分类技术比较研究[J].中文信息学报,2007(06):88-94 108.
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。
