导读:本文包含了在线分类论文开题报告文献综述及选题提纲参考文献，主要关键词:在线学习,学习率,梯度下降,情感分类
在线分类论文文献综述
邱宁佳,沈卓睿,胡小娟,王鹏,高奇[1]（2019）在《在线学习情感分类模型研究》一文中研究指出本文结合Adadelta算法学习率自适应调整和Adam算法避免了训练后期频繁抖动的特点,提出了Adamdelta算法,解决了传统FTRL-Proximal在线学习算法学习率随着训练次数增加逐渐消失的问题。使用一阶和二阶矩估计进行偏差修正调整FTRL-Proximal算法学习率,再使用梯度下降求解模型权重参数,进而得到LR模型,并以此模型完成在线学习情感分类工作。为了验证改进算法的优越性,利用IMDB电影评论文本做实验数据,与5种模型进行对比分析。实验表明,改进算法具有更好的分类效果,有效的提高了分类器的准确率和召回率。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年05期）
,姚思思,邵鼎[2]（2019）在《两百余种垃圾实时在线分类》一文中研究指出本报讯 日常垃圾种类繁多，难以判断分类怎么办？日前，德清县综合行政执法局发明了一款“神器”--生活垃圾分类搜索引擎。用户只要在手机内输入垃圾名称，系统就能准确作出分类，这也是我市首个垃圾分类“智能查询”系统。该搜索引擎收录了两百余种生活垃圾名称，(本文来源于《湖州日报》期刊2019-10-14）
,罗姝[3]（2019）在《新罗南城莲东凤凰城二期小区：垃圾分类督导员在线引导“新时尚”》一文中研究指出“提升小区品位，从垃圾分类做起”“垃圾有回收，资源不浪费”……13日，刚走进新罗区南城街道凤凰城二期小区，就感觉到垃圾分类的新风尚：在小区入口处，绿色厨余垃圾桶、红色有害垃圾桶、蓝色可回收垃圾桶、黄色其他垃圾桶一字排开。每一栋单位楼下面，若干个明显标(本文来源于《闽西日报》期刊2019-08-16）
田庆伍[4]（2019）在《智能宿迁APP上线新功能》一文中研究指出本报讯（ 田庆伍） 6月20日，智能宿迁APP正式启用，市民只需下载一个手机APP，就可享受考驾照、购车险、上牌照、查路况、惠加油等交通出行一站式服务，还可查询社保公积金余额、缴纳电费，享受西楚金条、京东拼购、互联网医院等各类智能化生活服务。近日，智(本文来源于《宿迁日报》期刊2019-08-12）
冉静学[5]（2019）在《基于在线支持张量机分类算法的中性点接地方式研究（英文）》一文中研究指出以往关于中压配电网中性点接地方式决策的研究,只考虑了不同接地方式下可靠性等单方面因素,忽略了可靠性、安全性和经济性叁者对接地决策的综合影响。针对此问题,提出在线支持张量机分类算法对可靠性、安全性和经济性进行叁维综合分析。分别采用层次分析法、模糊综合评价法和模糊聚类法构建可靠性、安全性和经济性的评价模型,利用支持张量机有效核函数优化模型求解叁维数据所对应的权张量,进而得到最优的中性点接地方式。数据分析表明:所提算法更能保留影响因素的结构信息,提高了数据时效性。(本文来源于《机床与液压》期刊2019年12期）
袁亚兴[6]（2019）在《一种基于分类算法的在线学习成绩预测策略》一文中研究指出在线学习用户呈现出知识背景、学习动机多样化的特征,并且用户在日常学习中也会产生各类学习、浏览等行为数据,为了深入探究数据间蕴藏的规律,针对不同的用户学习行为进行成绩预测,提出了一种基于机器学习的预测方法,首先通过计算所有单个数据属性与学习成绩之间相关性系数,然后用相关性分析筛选确定学习成绩影响因素,最后使用机器学习经典分类算法进行分类预测。使用国家开放大学2017年度学生网络在线学习行为数据作为实验数据,通过对学生单科目成绩预测结果比较,对不同课程使用不同的算法模型,并对准确率进行分析并得出结论。(本文来源于《广播电视大学学报(哲学社会科学版)》期刊2019年02期）
邵良杉,周玉[7]（2019）在《基于语义规则与RNN模型的在线评论情感分类研究》一文中研究指出为提高互联网中在线评论文本的情感倾向分类准确率,方便消费者和商家准确高效地获取信息,该文提出一种将语义规则方法与深度学习方法相结合的在线评论文本情感分类模型,对基于情感词典的语义规则信息进行扩展,嵌入到常用特征模板中组合成更有效的混合特征模板;采用Fisher判别准则方法对混合特征模板进行降维以消除特征间的信息冗余;深度学习模型采用基于LSTM改进的RNN模型,将网络爬取的数据输入到模型进行训练和测试。结果表明,语义规则抽取出的特征包含更多、更准确的情感信息,使得混合特征模板可以更加全面地考虑文本的情感特征粒度;Fisher准则可有效识别出高判别性的低维文本特征,进一步提高改进RNN模型对评论文本的分类性能。(本文来源于《中文信息学报》期刊2019年06期）
吴杰[8]（2019）在《“一网通办”打通办事堵点》一文中研究指出核心提示：反复提交材料、多部门间跑腿、开不完的证明……许多人都有过这样的经历。今年起，我市构建线上线下一体化政务服务体系，推进政务信息资源联通共享，“一网通办”打通企业群众办事堵点，最大限度方便企业和群众创业办事。日前，在市政府办(本文来源于《榆林日报》期刊2019-05-15）
李辉,倪时策,肖佳,赵天忠[9]（2019）在《面向互联网在线视频评论的情感分类技术》一文中研究指出随着在线视频的大量增长,越来越多的人开始在视频网站上发表对视频的评论。这些评论通常会带有用户的个人情感色彩和视频中的一些关键信息,从而对网络用户的视频观看决策有重要影响。如何自动地对在线视频评论进行情感分类和关键词提取,已成为目前亟待解决的问题。文章重点研究在线视频评论的情感分类技术,分析了不同特征提取和特征选择方法以及不同分类算法对在线视频评论情感分类精度的影响。仿真实验表明,文章提出的在线视频评论情感分类模型具有较高的准确性。(本文来源于《信息网络安全》期刊2019年05期）
魏万恒[10]（2019）在《电子商务在线评论情感分类方法研究》一文中研究指出随着电子商务的迅速发展,各个电子商务平台都积累了海量的消费者在线评论数据,这些数据蕴藏着极高的商业价值,分析其内容对商家和消费者都具有重要意义,尤其是自动识别评论内容的褒贬性对其进行情感分类。然而在面对海量评论数据时,仅仅依靠人工处理已无法满足需要,这就使得评论文本内容自动分类技术变得十分重要。本研究将现有的文本分类技术运用到电子商务在线评论文本情感分类问题中,通过实验来对比各种分类方法在解决该问题上的优劣性。研究主要做了以下工作:首先利用网络爬虫技术采集真实的电子商务网站在线评论文本数据和评分数据,对数据做预处理后利用Word2vec工具建立词向量模型,以及建立针对电子商务在线评论文本分类任务的情感词典,并选择合适的特征提取方法进行特征提取,然后分别使用基于词典的分类方法,K近邻、决策树、朴素贝叶斯、支持向量机等基于机器学习的分类方法,以及卷积神经网络、长短期记忆模型等深度学习分类方法,对采集的在线客户评论文本数据进行分类,最后比较各种分类方法的准确率、召回率和F测度指标,从而对比分析各种分类方法的优缺点。实验结果表明,基于情感词典的方法从各指标上都明显不如其他方法,可见虽然该方法实施简单,但是分类效果却不尽人意,其对词典的质量具有非常大的依赖性。其次,基于机器学习的各方法之间分类效果差异比较大,决策树和K近邻方法表现不如朴素贝叶斯,支持向量机表现最好。而基于深度学习的两种方法属于叁类方法中分类效果最好的一类,其中卷积神经网络是所有方法中表现最好的。另外,对于基于机器学习和深度学习的方法,词向量维度和特征选择方法对分类效果有很大的影响,本研究针对这两个因素设计不同实验进行对比,发现对于基于机器学习的方法用词向量均值做特征选择最佳,对于基于深度学习的方法用信息增益方法做特征选择最佳。(本文来源于《北京邮电大学》期刊2019-05-08）
在线分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报讯 日常垃圾种类繁多，难以判断分类怎么办？日前，德清县综合行政执法局发明了一款“神器”--生活垃圾分类搜索引擎。用户只要在手机内输入垃圾名称，系统就能准确作出分类，这也是我市首个垃圾分类“智能查询”系统。该搜索引擎收录了两百余种生活垃圾名称，
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
在线分类论文参考文献
[1].邱宁佳,沈卓睿,胡小娟,王鹏,高奇.在线学习情感分类模型研究[J].长春理工大学学报(自然科学版).2019
[2].,姚思思,邵鼎.两百余种垃圾实时在线分类[N].湖州日报.2019
[3].,罗姝.新罗南城莲东凤凰城二期小区：垃圾分类督导员在线引导“新时尚”[N].闽西日报.2019
[4].田庆伍.智能宿迁APP上线新功能[N].宿迁日报.2019
[5].冉静学.基于在线支持张量机分类算法的中性点接地方式研究（英文）[J].机床与液压.2019
[6].袁亚兴.一种基于分类算法的在线学习成绩预测策略[J].广播电视大学学报(哲学社会科学版).2019
[7].邵良杉,周玉.基于语义规则与RNN模型的在线评论情感分类研究[J].中文信息学报.2019
[8].吴杰.“一网通办”打通办事堵点[N].榆林日报.2019
[9].李辉,倪时策,肖佳,赵天忠.面向互联网在线视频评论的情感分类技术[J].信息网络安全.2019
[10].魏万恒.电子商务在线评论情感分类方法研究[D].北京邮电大学.2019