导读:本文包含了语义分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,神经网络,卷积,情感,递归,双宾语,在线。
语义分类论文文献综述
董珊,杨占昕,庞龙,庄胤,陈禾[1]（2019）在《语义分割网络在可见光遥感图像地物分类中的应用》一文中研究指出遥感技术的发展推动遥感图像数据爆发式增长,并呈现出更高分辨率、更大幅宽的趋势。传统地物分类方法特征提取能力和泛化能力不足以解决高分辨率遥感图像的多地物分类问题。语义分割网络在自然场景图像中展现了强大的特征提取能力。针对复杂场景的高分辨率遥感图像,需结合遥感图像的特点,提出更适用于遥感图像地物分类的遥感语义分割模型。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
薛丽霞,江迪,汪荣贵,杨娟[2]（2019）在《融合注意力机制和语义关联性的多标签图像分类》一文中研究指出卷积神经网络在单标签图像分类中表现出了良好的性能,但是,如何将其更好地应用到多标签图像分类仍然是一项重要的挑战。本文提出一种基于卷积神经网络并融合注意力机制和语义关联性的多标签图像分类方法。首先,利用卷积神经网络来提取特征;其次,利用注意力机制将数据集中的每个标签类别和输出特征图中的每个通道进行对应;最后,利用监督学习的方式学习通道之间的关联性,也就是学习标签之间的关联性。实验结果表明,本文方法可以有效地学习标签之间语义关联性,并提升多标签图像分类效果。(本文来源于《光电工程》期刊2019年09期）
王兰英[3]（2019）在《贵州苗族服饰图案造型分类及语义研究》一文中研究指出苗族服饰图案是苗族文化最重要的部分之一,图案内容和造型形式能够反映苗族人民的生活方式和审美情趣。几何体造型和非几何体造型的分类方式可以囊括所有的苗族图案造型,以便更好地区分图案是为了装饰还是作为某种包含了特殊意义的符号,也能够更好地理解造型的语义,本文拟从几何体造型和非几何体造型对贵州苗族服饰图案展开研究。(本文来源于《美术界》期刊2019年09期）
曾寰,龙小建,刘华[4]（2019）在《基于LDA及语义相似度的商品评论情感分类研究》一文中研究指出提出一种结合LDA及语义相似度的商品评论情感分类方法。该方法首先使用LDA对商品语料库建模,获取文档-主题矩阵;人工选择k对褒义词、贬义词,基于HowNet语义相似度计算主题(评价对象+观点内容)与各个褒义词和贬义词的相似度,达到对观点词极性判断,计算文本观点词情感极性的加权和作为文本的情感极性。实验表明,与基于向量空间的SVM分类方法相比,该情感分类方法在分类指标上表现更好。(本文来源于《井冈山大学学报(自然科学版)》期刊2019年04期）
曲泷玉,贾依真,郝永乐[5]（2019）在《结合CNN和文本语义的漏洞自动分类方法》一文中研究指出为解决大规模漏洞分类问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的漏洞自动分类方法,借鉴深度学习的技术思想自动获取漏洞描述的相关局部特征,通过batchnorm规范化数据解决文本训练不稳定问题,进而实现漏洞类型的有效划分.实验表明,与传统方法相比,该方法在漏洞自动分类效率上能够得到显着的提高.(本文来源于《北京理工大学学报》期刊2019年07期）
杨鹏,刘扬,杨青[6]（2019）在《基于层次语义理解的电力系统客服工单分类》一文中研究指出随着信息技术的发展,电力系统中积累了大量的电力数据,其中客服工单数据占据着非常重要的地位。根据客服工单的描述内容进行分类有利于准确地定位客户需求,对于提升电力系统运行的质量和效率具有重要的意义。对此提出基于层次语义理解的电力系统客服工单分类模型。利用深度学习方法对工单描述文本中的词和字符同时建模,从而得到层次化的工单描述语义表示,进而基于此表示对工单类别进行划分。通过在真实数据上的对比实验可以证明该方法能够准确地学习到工单的隐藏语义表示,具有优于对比方法的分类准确度。(本文来源于《计算机应用与软件》期刊2019年07期）
王利民,刘佳,邵杰,杨福刚,季富华[7]（2019）在《基于几何语义知识的冬小麦自动分类》一文中研究指出为了实现遥感影像的作物自动分类,并探索空间信息在分类中作用。笔者提出结合光谱和空间信息的作物分类方法。首先,借助光谱信息实现地物初始分割,然后以目标作物历史空间分布为语义约束,根据隶属度提取目标作物。最后,在多时相遥感影像条件下,以冬小麦为目标作物进行了方法的验证。结果显示,本研究方法可实现冬小麦自动提取与识别,总体精度为95.33%,Kappa系数为0.90,可满足农情监测的实际需求。另外,在单时相遥感影像条件下,本研究结合几何语义知识的作物分类精度也达到较高水平。相对于遥感影像单一光谱信息的分类方法,本研究方法利用作物空间信息,不仅能满足精度要求,还实现分类的自动化,对工程化应用具有一定的参考价值。(本文来源于《中国农学通报》期刊2019年19期）
余义兵[8]（2019）在《再论双宾语句的构式语义——兼谈双宾语句的范围和分类》一文中研究指出目前学界对"双宾语"和"双及物"之间关系的认识主要有"等同说""包含说"和"部分重迭说"叁种,对双宾语句构式语义的概括也主要有"有意的给予性转移""施动者有意识地使事物的所有权发生转移"和"N1由于V得到或失去N2"叁种。我们明确提出"双宾语"和"双及物"是"两层面相互交叉"的关系,并认为双宾语句的构式语义是"致使—受益/受损",同时对双宾语句的范围和分类重新界定。(本文来源于《汉语学习》期刊2019年03期）
王瑛,黄蓬博[9]（2019）在《英源汉语外来词的语义分类和构词模式与特点——以《汉语外来词词典》3407个英源汉语外来词为例》一文中研究指出《汉语外来词词典》中,英源汉语外来词共计3407个。根据语义,英源外来词分为化学化工、度量单位、动植物名称等21类;这些英源汉语外来词具有类别交叉、直接拿来、词义扩大等6个特点;根据结构,英源外来词分为纯音译词、谐音译词、音译意译结合词等5类;它们分别具有直接译音、原词的发音+汉语词义和形式、音译+意译和意译+音译等5种结构模式。(本文来源于《沧州师范学院学报》期刊2019年02期）
邵良杉,周玉[10]（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）
语义分类论文开题报告
（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：
卷积神经网络在单标签图像分类中表现出了良好的性能,但是,如何将其更好地应用到多标签图像分类仍然是一项重要的挑战。本文提出一种基于卷积神经网络并融合注意力机制和语义关联性的多标签图像分类方法。首先,利用卷积神经网络来提取特征;其次,利用注意力机制将数据集中的每个标签类别和输出特征图中的每个通道进行对应;最后,利用监督学习的方式学习通道之间的关联性,也就是学习标签之间的关联性。实验结果表明,本文方法可以有效地学习标签之间语义关联性,并提升多标签图像分类效果。
（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。
语义分类论文参考文献
[1].董珊,杨占昕,庞龙,庄胤,陈禾.语义分割网络在可见光遥感图像地物分类中的应用[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[2].薛丽霞,江迪,汪荣贵,杨娟.融合注意力机制和语义关联性的多标签图像分类[J].光电工程.2019
[3].王兰英.贵州苗族服饰图案造型分类及语义研究[J].美术界.2019
[4].曾寰,龙小建,刘华.基于LDA及语义相似度的商品评论情感分类研究[J].井冈山大学学报(自然科学版).2019
[5].曲泷玉,贾依真,郝永乐.结合CNN和文本语义的漏洞自动分类方法[J].北京理工大学学报.2019
[6].杨鹏,刘扬,杨青.基于层次语义理解的电力系统客服工单分类[J].计算机应用与软件.2019
[7].王利民,刘佳,邵杰,杨福刚,季富华.基于几何语义知识的冬小麦自动分类[J].中国农学通报.2019
[8].余义兵.再论双宾语句的构式语义——兼谈双宾语句的范围和分类[J].汉语学习.2019
[9].王瑛,黄蓬博.英源汉语外来词的语义分类和构词模式与特点——以《汉语外来词词典》3407个英源汉语外来词为例[J].沧州师范学院学报.2019
[10].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
论文知识图
