午夜亚洲国产日本电影一区二区三区,九九久久99综合一区二区,国产一级毛片视频,草莓视频在线观看精品最新

摘要：隨著社交網(wǎng)絡的興起,更多人選擇在網(wǎng)絡上發(fā)表自己對影視作品的觀點,這為影視投資人了解觀眾對電影的反饋提供了更方便的途徑.例如,豆瓣影評中包含了海量用戶或積極或消極的情感觀點,而分析豆瓣影評的情感傾向能夠輔助投資人進行決策,提升作品質(zhì)量.大量數(shù)據(jù)分析必須借助計算機技術(shù)手段完成,其中情感分析是自然語言處理(natural language processing,NLP)的一個方向,常用來分析判斷文本描述的情緒類型,因此也被稱為情感傾向分析.為了提高影評情感分類的準確率,設置了多組對比實驗來選擇最優(yōu)參數(shù),比較了當以中文字符向量和詞向量為輸入矩陣時,雙向長短期記憶(bidirectional long short-term memory,Bi-LSTM)模型和卷積神經(jīng)網(wǎng)絡(convolutional neural network,CNN)模型對分類準確率的影響.提出了一種以CNN模型為弱分類器的Bagging算法,訓練了多個CNN模型,并采用投票法決定最終的分類結(jié)果.這種集成的方法減少了單個模型造成的分類偏差,比單一的Bi-LSTM模型的分類準確率提高了5.10%,比單一的CNN模型的分類準確率提高了1.34%.

注: 保護知識產(chǎn)權(quán),如需閱讀全文請聯(lián)系上海大學學報雜志社