带领本科生做毕业设计,任务为“基于自然标注的微博情绪分类方法”
研究进展
课题申请 | HHH | 课题申请.md |
下达任务书 | HHH | 任务书.md |
论文阅读 | HHH | 论文阅读.md |
寒假学习计划 | HHH | 1)论文计划: 重点阅读“自然标注”相关论文,归纳论文中的自然标注方法,提交总结报告(md格式)。总结报告需要包括如何收集数据、预处理方法、质量评估方法、以及对自然标注的优势的总结。 2)代码以及教程: 利用工具scikit-learn (http://scikit-learn.org/stable/) 实现四个分类器:Stochastic Gradient Descent (SGD), Multinomial Naive Bayes (MNB),Perceptron, and the Passive Agressive Classifier (PAC)。提交代码以及说明文档(md格式)。 |
论文翻译 | ZHC | EmoNet:Fine-GrainedEmotion Detection with Gated Recurrent NeuralNetworks[C],等待完成 |
“自然标注”总结报告 | ZHC | 等待完成 |
代码以及说明文档 | ZHC | 等待完成 |
关于github
上传 | 课题申请,任务书,论文阅读,寒假学习计划,分类器的代码以及说明文档(4) | |
不上传 | 论文翻译.doc,“自然标注”总结报告.doc,开题报告.doc,毕业设计文档.doc,“自然标注”工程代码(5) |