基于Python的CNN深度学习模型设计与实现.pdfVIP

基于Python的CNN深度学习模型设计与实现.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
目 录 第一章 概述 1 1. 1 开发背景1 1.2 项 目要求2 第二章 需求分析与设计3 2 . 1 功能需求3 2 .2 功能设计3 2.2.1 数据集整理与清洗3 2.2.2 设计 CNN 深度学习模型4 2.2.3 训练 CNN 深度学习模型5 2.2.4 调整参数更新 CNN 模型6 2.2.5 CNN 模型的测试与验证6 2 .3 非功能需求7 2 .4 功能处理流程7 2 .5 开发环境8 第三章 算法描述 9 3 . 1 基于 CNN 深度学习模型的文本分类算法9 3 .2 CNN 深度学习模型9 3 .3 CNN 算法实现10 3 .4 CNN 模型训练结果13 3 .5 CNN 模型测试结果16 第四章 系统实现 1 9 4 . 1 了解模块的实现19 4 .2 软件界面19 4 .3 数据测试20 -i- 第五章 外部接 口需求2 5 5. 1 用户接 口25 5.2 测试的具体方法25 5.3 软件接 口25 5.4 通信接 口24 总 结 2 6 参考文献 2 7 致 谢 2 8 -ii- 第一章 概述 1.1 开发背景 标签技术发展迅速 ,电商网站、社交软件都通过给人或者物打 标签的方式,来精确营销,提高运营效率。同样 ,在政府领域,政 府各种文件、政策 日益增多,对政策文件进行标签化处理,对于提 高文件 的使用便利,提高政府的职能效率 日益重要 。 在实际业务 中,利用标签提取技术一方面能提高政策文件的使 用效率,有利于政府部 门减少人工量,快速 的分类整理,提高分类 使用的准确率,同时也有利于公众对于公开的政策文件 的检索利 用 。另一方面结合用户画像为公众侧提供政策推荐,使公众能够及 时了解到 自己感兴趣的最新政策 。 本系统设计的 目标是实现一种基于卷积神经网络(CNN ) 深度学 习模型的文本分类算法,为政府文件实现 自动分类,尽可能提高文 件分类的准确性与执行效率需求,有利于公众对于公开的政策文件 的检索利用,及时了解到 自己感兴趣的最新政策 。 -1- 1.2 项 目要求 本系统设计开发的 目标是实现一种基于 CNN 深度学习模型的 文本分类算法, 对于给定的政府文件训练数据,设计标签算法,输 出政策的分类标签结果。具体要求如下: 1、设计一个前端界面,输入 “政策标题 ”和 “政策正文 ”,实 现为政府文件输 出政策分类标签的功能; 2 、输出标签的准确率不低于 60% ; 3 、执行效率:单条数据从输入到输 出的执行时间不超过 5s ; 4 、对标签分类的预测分类结果及真实分类结果进行对 比,评估 当前算法的准确性及执行效率; -2- 第二章 需求分析与设计 设计一种基于 CNN 深度学习模型的文本分类算法,为政府文件实现自动 分类,尽可能提高文件分类的准确性与执行效率需求,有利于公众对于公开的 政策文件的检索利用,及时了解到自己感兴趣的最新政策。 2.1 功能需求 设计一个前端界面,输入 “政策标题和政策正文”,实现为政府文件输出 政策分类标签的功能。总体功能结构图如下图2-1 所示: 图 2-1 总体功能结构图 2.2 功能设计

文档评论(0)

店小二 + 关注
实名认证
文档贡献者

包含各种材料

1亿VIP精品文档

相关文档