1. 研究目的与意义（文献综述包含参考文献）
深度学习方法使用多个处理层来学习数据的层次表示，并在许多领域产生了最先进的结果。
近年来，在自然语言处理(nlp)的背景下，各种模型设计和方法得到了蓬勃发展。
深度学习体系结构和算法在计算机视觉和模式识别等领域已经取得了令人瞩目的进展。
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. 研究的基本内容、问题解决措施及方案
待解决待问题：1、 如何将文本表示成计算机能理解的信息2、 使用什么神经网络模型处理3、 数据集的获取4、 如何将模型的效果调整的更好拟采用的研究手段：1、 可以使用one-hot编码、word2vec、glove、bert等方法将文本表示成向量2、 神经网络模型可以使用CNN、RNN、LSTM、Transformer等搭建模型3、 常用的情感分析数据集有：SST2、IMDb等4、 比较不同模型训练出来的效果，调整超参数、文本预处理在多一些调整
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
