1. 毕业设计（论文）主要目标：
在自然语言处理中，大部分工作采用深度学习的方法，通过神经语言模型学习单词矢量表示，并对血单词向量进行分类，单词从稀疏的1-of-V编码经过隐藏层投影到低纬度的向量空间上（就是提取编码维度中单词的语义特征），这些语义特征是用欧几里德或余弦距离表示的。利用卷积神经网络（CNNs）来进行句子分类，并通过随机搜索和贝叶斯优化来对超参数优化。
2. 毕业设计（论文）主要内容：
（1）：对全部训练文档进行分词，由这些词作为向量的维数来表示文本;（2）：统计每一类文档中所有出现的词语及其频率，然后过滤，剔除停用词和单字词;（3）：统计每一类内出现词语的总词频，并取若干个频率更高的词汇作为这一类的特征词集;（4）：去除每一类别中都出现的词，合并所有类别的特征词集，形成总特征词集，最后得到的特征词集是我们用到的特征集合，再用该集合去筛选测试集中的特征。
3. 主要参考文献
[1] 超人汪小建(seaboat)．卷积神经网络文本分类．博客，2018.3.24．
[2] 夏婵．卷积神经网络在NLP领域的实践：文本分类．博客，2017.6.3．
[3] guoyuhaoaaa．几种使用了CNN（卷积神经网络）的文本分类模．博客，2016.11.16．
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。
