1. 毕业设计（论文）主要目标：
本文主要的目标是利用递归神经网络进行关于电影评价的情感分析与用其它方法进行情感分析的效果比较。首先应用带有长短期记忆单元的递归神经网络算法对互联网影评数据库上五万条二元情感倾向数据划分成训练集和测试集，根据训练集拟合到的模型对测试集计算情感分类的准确率，并且比较不同层数的神经网络和数据集不同训练集合和测试集合的划分方式的情感分析准确率结果。利用词袋模型、词频-逆向文本频率指数、词干分析等情感分析方法，结合Logistic回归和朴素贝叶斯模型，利用交叉验证的方式找到最佳的参数组合和测试集的准确率，比较采用随机梯度下降法代替批量梯度下降算法的效果。用词语向量化模型对原数据集进行情感分析。在同样比例划分训练集和测试集的情况下，与递归神经网络算法的情感分类准确率结果相比较，对如何正确地对大数据集进行情感分析得出有用的结论。
2. 毕业设计（论文）主要内容：
1.使用带有长短期记忆单元的递归神经网络对互联网影评数据库上影评数据集进行训练，得出准确率。
2.使用其它常见的神经网络算法，如感知器、Logistic回归、决策树、随机森林等算法对数据集进行训练，得出准确率。
3.根据前两个步骤得到的结果，将经典的情感分析算法和神经网络训练相结合，用交叉验证的方式找到最佳的参数组合，观察比较情感分类准确率的改善情况。
3. 主要参考文献
[1]Wojciech Zaremba，Ilya Sutskever, Oriol Vinyals．Recurrent Neural Network Regularization[J]．ICLR 2015 Conference，2015.[2] Haim Sak, Andrew Senior, Franoise Beaufays．Long Short-Term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling[J]．15th Annual Conference of the International Speech Communication Association，2014，338-342[3] Ilya Sutskever，Oriol Vinyals，Quoc V. Le．Sequence to Sequence Learning with Neural Networks[J]．Advances in Neural Information Processing Systems，2014.[4]Sebastian Raschka，Vahid Mirjalil．Python Machine Learning [M]．Birmingham：Packt Publishing Ltd.，2017.
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。
