178体育官方APP下载最新版本

若是真正的万剑归宗，她人还会竖直朝下刺去，那就等于一个蜀山的《走在路上》了，只要是个人都得跪

诸天降临时代，我的识海通洪荒是(墨子不语)新书,这是一个现代人回到古代，回到一个完全没有任何超凡的真实世界，靠着将一切数据属性化的异能，慢慢崛起的故事。 精彩尽在诸天降临时代，我的识海通洪荒

如果是不认识的苏家大小姐要和他合作，他肯定会毫不犹豫拒绝，但书妹妹九天又是另一回事了，想着将来可以和书妹妹耳鬓厮磨，无晋的心中便忍不住一阵阵向往，写完《生气的眼睛》，再写《九英杰更》，小萝莉不就是个现成的红娘角色吗

一阵悠扬的音乐声传来，正是我的第一张专辑中的歌曲《小女子的地下霸权》，赵辛向我做了个鬼脸，我伸手就想敲他的头

2012年参演伦理电视剧《百里挑一》，饰演卫子夫

2013年，在爱情喜剧电影《又胜一场》中饰演莫小墨

为唐枫铺好了床被，兰州资源环境职业技术大学之后，解惑便要离开。

基于深度循环神经网络的跨领域文本情感分析 A Cross-domain Text Sentiment Analysis Based on Deep Recurrent Neural Network 作者： 余传明 1 作者单位： 1. 中南财经政法大学信息与安全工程学院 武汉 430073 提交时间： 2023-08-26 摘要: [目的/意义]通过在标注资源丰富的源领域（Source Domain）中学习，并将目标领域（Target Domain）的文档投影到与源领域相同的特征空间（Feature Space）中去，从而解决目标领域因标注数据量较小而难以获得好的分类模型的问题。[方法/过程]选择亚马逊在书籍、DVD和音乐类目下的中文评论作为实验数据，以跨领域情感分析作为研究任务，提出一种跨领域深度循环神经网络（Cross Domain Deep Recurrent Neural Network，CD-DRNN）模型，实现不同领域环境下的知识迁移。CD-DRNN模型在跨领域环境下的平均分类准确度达到了81.70%，优于传统的栈式长短时记忆网络（Stacked Long Short Term Memory，Stacked-LSTM）模型（79.90%）、双向长短时记忆网络模型（Bidirectional Long Short Term Memory，Bi-LSTM）模型（80.50%）、卷积神经网络长短时记忆网络串联（Convolution Neural Network with Long Short Term Memory，CNN-LSTM）（74.70%）模型以及卷积神经网络长短时记忆网络并联（Merged Convolution Neural Network with Long Short Term Memory，Merged-CNN-LSTM）模型（80.90%）。[结果/结论]源领域和目标领域的知识迁移能够有效解决监督学习在小数据集上难以获得好的分类效果的问题，通过CD-DRNN模型能够从无标注数据中有效地筛选特征，从而大大降低目标领域数据标注相关的工作量。 Abstract: [Purpose/significance] In order to solve the problem of classification model in target domain that caused by the lack of data, this study firstly trains the model of source domain that includes rich labeling/tagging data, and then, projects source and target domain documents into the same feature space. [Method/process] The reviews of three product categories, i.e. books, DVD and music, from Amazon, which are written in Chinese, are taken as the experimental data, and the cross-domain text sentiment analysis is considered as the research task. A novel model, i.e. the Cross Domain Deep Recurrent Neural Network (CD-DRNN), is proposed to achieve knowledge transfer among domains. The average accuracy value of CD-DRNN achieves 81.70%,which excels the values of Stacked Long Short Term Memory (79.90%), Bidirectional Long Short Term Memory(80.50%), Convolution Neural Network with Long Short Term Memory (74.70%) and Merged Convolution Neural Network with Long Short Term Memory (80.90%). [Result/conclusion] Knowledge transfer in source domain and target domain could effectively solve the difficulties of achieving good classification performances on small data sets. The proposed method can be leveraged to effectively select features from unlabeled data, thereby greatly reducing the workload related to data annotation in the target domain. 跨领域 迁移学习 深度循环神经网络 情感分析 期刊： 图书情报工作 分类： 图书馆学、情报学 >> 图书馆学 引用： ChinaXiv:202308.00284 (或此版本 ChinaXiv:202308.00284V1 ) doi:10.12074/202308.00284 CSTR:32003.36.ChinaXiv.202308.00284.V1 推荐引用方式： 余传明.(2023).基于深度循环神经网络的跨领域文本情感分析.图书情报工作.[ChinaXiv:202308.00284] 版本历史 [V1] 2023-08-26 23:57:18 ChinaXiv:202308.00284V1 下载全文

兰州资源环境职业技术大学，我也随着他的性子来…… 可是，这祖传的手艺……眼睁睁就要在我手里断送