基于TextCNN的古典诗词爱国情怀研究
发布时间：2021-11-08 03:31
一直以来,古典诗词在中国文学中拥有举足轻重的地位,被视作中国文学与文化的瑰宝,因此,古典诗词有非常高的研究价值,也有着深远的研究意义。然而,中国上千年流传下来的诗词作品数不胜数,按照传统的研究方法,研究者需要经过大量的阅读储备,再对众多文学作品进行翻阅、查找、记录、整理、分析、统计等工作,最后做出个人的判断。在这样的过程,不仅研究者需要投入大量的人力、物力、精力以及时间,也对研究人员的文学素养有着较高的要求,且会由于个人的喜爱偏好做出不客观的结论。国家对于社会主义核心价值观的不断倡导,说明爱国这一精神,对于生活在高速发展的现代中的每个人都非常重要。爱国情怀中蕴含了悠久的历史文化,而古诗词一直是中国人非常喜爱的一种文学形式,通过宣传弘扬爱国诗词来激发人们的爱国情怀是很有帮助的。对爱国诗词的学习有助于传扬中华文化,弘扬民族精神,培养社会主义核心价值观。本文利用文本挖掘的统计模型和计算机程序语言,在研究中考虑古诗词这一文学形式的特点,对古典诗词进行分类,将其分为爱国和其他类别两类,在确定分类模型之后,利用该模型对更多更全面的古诗词数据进行分类得到其中的爱国诗词,再对爱国诗词进行总体分析以探寻...
【文章来源】： 上海师范大学上海市
【文章页数】：53 页
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 研究意义
1.3 研究内容、研究目的和框架结构
1.3.1 研究内容
1.3.2 研究目的
1.3.3 框架结构
1.4 研究的创新
第2章 文献综述和相关理论
2.1 文献综述
2.1.1 文本挖掘国内外研究情况
2.1.2 古典诗词计算化研究情况
2.1.3 文献评述
2.2 相关理论
2.2.1 文本预处理
2.2.2 词向量
2.2.3 SVM分类算法
2.2.4 卷积神经网络
2.2.5 TextCNN
2.2.6 Tensorflow
第3章 基于DSG训练词向量
3.1 统计语言模型
3.2 word2vec模型
3.2.1 连续词袋(CBOW)模型
3.2.2 Skip-gram模型
3.3 DSG(directional Skip-gram)模型
3.4 词向量训练结果展示
3.5 本章小结
第4章 古典诗词的分类算法研究
4.1 数据介绍
4.2 文本预处理
4.2.1 中文分词
4.2.2 去停用词
4.3 提取词向量
4.4 基于SVM的古典诗词分类
4.4.1 一种朴素的文本表示方法
4.4.2 模型构建
4.4.3 模型训练
4.5 基于TextCNN的古典诗词分类
4.5.1 模型构建
4.5.2 模型训练
4.6 分类效果评估
4.6.1 分类评估指标
4.6.2 分类结果对比
4.7 本章小结
第5章 爱国诗词总体分析
5.1 数据介绍
5.2 TextCNN分类模型应用及爱国诗词总体分析
5.2.1 TextCNN分类模型应用
5.2.2 爱国诗词历史时期分布情况
5.2.3 爱国诗词作者分布情况
5.3 陆游爱国诗词词频分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
6.2.1 工作改进
6.2.2 应用方向
参考文献
致谢
【参考文献】：
期刊论文
[1]对文本分类算法选择和数据标注的研究 [J]. 王悦林. 电子技术与软件工程. 2019(10)
[2]基于改进的K-means算法在文本挖掘中的应用 [J]. 杨丹,朱世玲,卞正宇. 计算机技术与发展. 2019(04)
[3]Web环境下语义挖掘模型的构建 [J]. 刘爱琴,赵慧敏,尚珊. 图书馆理论与实践. 2018(10)
[4]基于文本挖掘的电网客户服务满意度评价模型 [J]. 何薇,张剑,于雪霞,吴佐平,张小华,陈晨. 电子世界. 2017(07)
[5]酒店顾客在线评论的文本挖掘 [J]. 熊伟,郭扬杰. 北京第二外国语学院学报. 2013(11)
[6]基于Lucene的中文分词模块的设计和实现 [J]. 罗宁,徐俊刚,郭洪韬. 电子技术. 2012(09)
[7]基于频繁关键字共现的诗词风格分类模型研究 [J]. 吴春龙,周昌乐. 厦门大学学报(自然科学版). 2008(01)
[8]基于词联接的诗词风格评价技术 [J]. 李良炎,何中市,易勇. 中文信息学报. 2005(06)
[9]基于遗传算法改进诗词风格判别的研究 [J]. 易勇,何中市,李良炎,周剑勇,瞿义玻. 计算机科学. 2005(07)
[10]中文自动分词系统的设计模型 [J]. 邓宏涛. 计算机与数字工程. 2005(04)
博士论文
[1]Web文本挖掘中若干问题的研究[D]. 王占一.北京邮电大学 2012
[2]计算机辅助诗词创作中的风格辨析及联语应对研究[D]. 易勇.重庆大学 2005
硕士论文
[1]文本挖掘在电商评论分析中的应用[D]. 荣黎明.华中科技大学 2016
[2]基于在线点评的酒店顾客满意度研究[D]. 李景.上海师范大学 2015
[3]web中文文本的数据挖掘技术研究[D]. 张彦.山东大学 2011
[4]宋词格律分析的计算方法及其应用研究[D]. 赖兴邦.厦门大学 2008
本文编号：3482919
【文章来源】： 上海师范大学上海市
【文章页数】：53 页
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 研究意义
1.3 研究内容、研究目的和框架结构
1.3.1 研究内容
1.3.2 研究目的
1.3.3 框架结构
1.4 研究的创新
第2章 文献综述和相关理论
2.1 文献综述
2.1.1 文本挖掘国内外研究情况
2.1.2 古典诗词计算化研究情况
2.1.3 文献评述
2.2 相关理论
2.2.1 文本预处理
2.2.2 词向量
2.2.3 SVM分类算法
2.2.4 卷积神经网络
2.2.5 TextCNN
2.2.6 Tensorflow
第3章 基于DSG训练词向量
3.1 统计语言模型
3.2 word2vec模型
3.2.1 连续词袋(CBOW)模型
3.2.2 Skip-gram模型
3.3 DSG(directional Skip-gram)模型
3.4 词向量训练结果展示
3.5 本章小结
第4章 古典诗词的分类算法研究
4.1 数据介绍
4.2 文本预处理
4.2.1 中文分词
4.2.2 去停用词
4.3 提取词向量
4.4 基于SVM的古典诗词分类
4.4.1 一种朴素的文本表示方法
4.4.2 模型构建
4.4.3 模型训练
4.5 基于TextCNN的古典诗词分类
4.5.1 模型构建
4.5.2 模型训练
4.6 分类效果评估
4.6.1 分类评估指标
4.6.2 分类结果对比
4.7 本章小结
第5章 爱国诗词总体分析
5.1 数据介绍
5.2 TextCNN分类模型应用及爱国诗词总体分析
5.2.1 TextCNN分类模型应用
5.2.2 爱国诗词历史时期分布情况
5.2.3 爱国诗词作者分布情况
5.3 陆游爱国诗词词频分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
6.2.1 工作改进
6.2.2 应用方向
参考文献
致谢
【参考文献】：
期刊论文
[1]对文本分类算法选择和数据标注的研究 [J]. 王悦林. 电子技术与软件工程. 2019(10)
[2]基于改进的K-means算法在文本挖掘中的应用 [J]. 杨丹,朱世玲,卞正宇. 计算机技术与发展. 2019(04)
[3]Web环境下语义挖掘模型的构建 [J]. 刘爱琴,赵慧敏,尚珊. 图书馆理论与实践. 2018(10)
[4]基于文本挖掘的电网客户服务满意度评价模型 [J]. 何薇,张剑,于雪霞,吴佐平,张小华,陈晨. 电子世界. 2017(07)
[5]酒店顾客在线评论的文本挖掘 [J]. 熊伟,郭扬杰. 北京第二外国语学院学报. 2013(11)
[6]基于Lucene的中文分词模块的设计和实现 [J]. 罗宁,徐俊刚,郭洪韬. 电子技术. 2012(09)
[7]基于频繁关键字共现的诗词风格分类模型研究 [J]. 吴春龙,周昌乐. 厦门大学学报(自然科学版). 2008(01)
[8]基于词联接的诗词风格评价技术 [J]. 李良炎,何中市,易勇. 中文信息学报. 2005(06)
[9]基于遗传算法改进诗词风格判别的研究 [J]. 易勇,何中市,李良炎,周剑勇,瞿义玻. 计算机科学. 2005(07)
[10]中文自动分词系统的设计模型 [J]. 邓宏涛. 计算机与数字工程. 2005(04)
博士论文
[1]Web文本挖掘中若干问题的研究[D]. 王占一.北京邮电大学 2012
[2]计算机辅助诗词创作中的风格辨析及联语应对研究[D]. 易勇.重庆大学 2005
硕士论文
[1]文本挖掘在电商评论分析中的应用[D]. 荣黎明.华中科技大学 2016
[2]基于在线点评的酒店顾客满意度研究[D]. 李景.上海师范大学 2015
[3]web中文文本的数据挖掘技术研究[D]. 张彦.山东大学 2011
[4]宋词格律分析的计算方法及其应用研究[D]. 赖兴邦.厦门大学 2008
本文编号：3482919
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/3482919.html
