排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
随着社交网络的日益普及,基于Twitter文本的情感分析成为近年来的研究热点。Twitter文本中蕴含的情感倾向对于挖掘用户需求和对重大事件的预测具有重要意义。但由于Twitter文本短小和用户自身行为存在随意性等特点,再加之现有的情感分类方法大都基于手工制作的文本特征,难以挖掘文本中隐含的深层语义特征,因此难以提高情感分类性能。本文提出了一种基于卷积神经网络的Twitter文本情感分类模型。该模型利用word2vec方法初始化文本词向量,并采用CNN模型学习文本中的深层语义信息,从而挖掘Twitter文本的情感倾向。实验结果表明,采用该模型能够取得82.3%的召回率,比传统分类方法的分类性能有显著提高。 相似文献
2.
以北京城市副中心综合管廊项目围堰的钢板桩为研究对象,采用有限元软件模拟静水压力和流水压力对围堰侧向位移的影响,并分析水流流速、桩体特性等因素对其变形规律的影响,得出以下结论:流水压力对围堰桩顶的侧向位移影响较大,随着深度的增大,流水压力对围堰侧向位移的影响程度逐渐减小,水流速度对钢板桩侧向位移的影响效果较不明显。 相似文献
1