基于word embedding和CNN的情感分类模型

尝试将word embedding和卷积神经网络(CNN)相结合来解决情感分类问题。首先,利用skip-gram模型训练出数据集中每个词的word embedding,然后将每条样本中出现的word embedding组合为二维特征矩阵作为卷积神经网络的输入,此外每次迭代训练过程中,输入特征也作为参数进行更新;其次,设计了一种具有三种不同大小卷积核的神经网络结构,从而完成多种局部抽象特征的自动提取过程。与传统机器学习方法相比,所提出的基于word embedding和CNN的情感分类模型成功地将分类正确率提升了5.04%。

海派书法的问题及对策

海派书法有着其深厚的文化底蕴和优秀的历史传承,是近现代东方国家跟着世界一起变大潮中的一枝艺术奇葩。它随潮流而兴,随潮流而衰。潮流的变迁也在无形中催变着其内蕴的弱点和问题,如何在新世纪的时代背景下发现问题并提出有效对策,对推进海派书法艺术事业的更高端发展具有深远的意义。