教育论文网

基于LSTM和注意力机制的情感分析服务设计与实现

论文目录
摘要第1-6页
Abstract第6-12页
第一章 绪论第12-16页
  1.1 项目背景第12-13页
  1.2 国内外研究现状第13-15页
  1.3 本文主要研究的工作第15页
  1.4 本文的组织结构第15-16页
第二章 技术综述第16-30页
  2.1 词向量第16-19页
  2.2 循环神经网络第19-23页
    2.2.1 单向循环神经网络第19-20页
    2.2.2 双向循环神经网络第20-21页
    2.2.3 长短期记忆机制第21-23页
  2.3 注意力机制第23-27页
    2.3.1 编码-解码模型第23-24页
    2.3.2 注意力机制第24-26页
    2.3.3 自注意力机制第26-27页
  2.4 其他相关技术第27-29页
    2.4.1 其他模型第27-28页
    2.4.2 深度学习平台Tensorflow第28页
    2.4.3 Docker容器技术第28页
    2.4.4 Kubernetes集群环境第28-29页
  2.5 技术选型第29页
  2.6 本章小结第29-30页
第三章 情感分析服务分析与设计第30-43页
  3.1 需求分析第30-35页
    3.1.1 需求概述第30-31页
    3.1.2 功能需求第31-32页
    3.1.3 用例描述第32-35页
  3.2 服务总体设计与模块设计第35-39页
    3.2.1 服务总体设计第35-36页
    3.2.2 预处理模块设计第36-37页
    3.2.3 深度网络模型模块设计第37-38页
    3.2.4 情感分析模块设计第38-39页
  3.3 情感分析深度网络模型设计第39-42页
    3.3.1 模型概述第39页
    3.3.2 输入层第39-40页
    3.3.3 网络层第40-41页
    3.3.4 分类层第41-42页
  3.4 本章小结第42-43页
第四章 情感分析服务的实现第43-67页
  4.1 预处理模块实现第43-45页
    4.1.1 数据集概述第43页
    4.1.2 数据处理及分词第43-44页
    4.1.3 情感词向量第44-45页
  4.2 深度网络模型部分的实现第45-54页
    4.2.1 情感分析深度网络模型的实现第45-50页
    4.2.2 模型训练与测试的实现第50-52页
    4.2.3 基准模型的实现第52-54页
  4.3 情感分析模型服务的实现第54-56页
  4.4 实验与结果分析第56-60页
    4.4.1 模型训练与测试结果第56-57页
    4.4.2 与基准模型的对比实验第57-58页
    4.4.3 可视化实验第58-60页
  4.5 情感分析服务部署与运行第60-66页
    4.5.1 构建Docker镜像第60-61页
    4.5.2 部署到Kubernetes集群第61-65页
    4.5.3 情感分析服务运行第65-66页
  4.6 本章小结第66-67页
第五章 总结与展望第67-69页
  5.1 总结第67页
  5.2 进一步工作展望第67-69页
参考文献第69-72页
致谢第72-74页

本篇论文共74页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 提供,作者删除入口请点击这里