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） |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent