1. 题目来源
随着互联网技术的飞速发展和普及，网络文本信息呈现爆炸式增长，其中蕴含着大量的情感倾向性数据。
如何高效、准确地对这些情感信息进行挖掘和分析，成为了自然语言处理领域的研究热点。
评语情感分类作为情感分析的重要分支，旨在识别文本中表达的情感倾向，例如正面、负面或中性。
2. 应完成的主要内容
本论文旨在研究基于CNN的评语情感分类算法，完成以下主要内容：
1.研究评语情感分类的相关技术，包括情感分类技术概述、卷积神经网络模型、词向量表示方法、情感词典构建等。
2.设计基于CNN的评语情感分类模型，包括模型结构设计、卷积层设计与特征提取、池化层设计、全连接层与输出层设计等。
3.构建实验数据集，并进行模型训练和测试。
3. 基本要求及完成的成果形式
1.在导师的指导下，独立完成论文的选题、开题、文献调研、模型设计、实验验证、结果分析、论文撰写和答辩等环节。
2.熟练掌握评语情感分类的相关技术，包括情感分类技术概述、卷积神经网络模型、词向量表示方法、情感词典构建等。
3.掌握一种或多种深度学习框架，例如TensorFlow或PyTorch，能够进行模型搭建、训练和测试。
4. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
5. 参考文献（20个中文5个英文）
[1]徐琳宏,林鸿飞,葛桦,等.融合多特征的CNN中文评论情感分类[J].计算机应用,2017,37(S2):162-166,225.
[2]李晓东,刘树春,刘宗田,等.结合语义特征与CNN的文本情感分类[J].计算机科学,2018,45(S1):347-352.
[3]周晨,徐睿峰,庞亮,等.基于CNN和SVM的中文短文本情感分析[J].计算机应用研究,2016,33(12):3582-3586.
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。
