正在收集工作区信息# 基于LSTM实现电影评论的情感分析实验报告 1. 项目概述 本项目实现了一个基于长短期记忆网络（LSTM）的电影评论情感分析模型，使用了IMDb电影评论数据集进行训练和测试。模型能够对电影评论文本进行二分类，判断评论情感是正面还是负面。 2. 实验环境 2.1 硬件环境 CPU/GPU配置 内存配置 存储配置 2.2 软件环境 操作系统：Windows/Linux/MacOS Python版本：3.7+ 深度学习框架：PaddlePaddle 依赖包： # requirements.txt中的依赖 paddlepaddle==2.3.0 numpy pandas matp…
NLP文本分类实验报告 1. 引言 1.1 实验背景 本实验实现了一个基于PyTorch的自然语言处理文本分类系统，使用双向LSTM结合注意力机制对中文文本进行多分类任务。实验采用了现代深度学习架构，旨在准确分类新闻文本的类别。 1.2 实验目标 实现一个端到端的文本分类系统 利用深度学习技术提高分类准确率 探索注意力机制在文本分类中的应用 实现GPU加速训练 2. 实验环境 2.1 技术栈 Python 3.x PyTorch - 深度学习框架 jieba - 中文分词库 NumPy - 数值计算库 Matplotlib - 可视化库 2.2 硬件环境 GPU加速支持（CUDA） CPU备选…
本项目是一个基于 FinBERT 模型的金融报告情感分析系统，专注于对 10-K 年报进行情感分析，将文本内容分类为积极（利好）、中性或消极（利空）情感，并提供直观的可视化界面展示分析结果。 项目概述 FinBert 系统自动提取和分析 10-K 报告中的关键章节，如管理层讨论与分析(MD&A)、风险因素等，使用专为金融领域训练的 BERT 模型判断情感倾向，并通过 Web 界面呈现分析结果，帮助投资者和分析师快速理解财报情感基调。当我点进某只股票的某份报告,应该映入眼帘的是截取的 4 份文字,每份文字每句话用绿,灰,红标出,分别代表利好 中性 利空 项目结构 FinBert/ ├──…
前置知识 pypi 清华镜像源使用 网址：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/ 临时使用：pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple some-package 将镜像源设为默认： # 先升级pip， 然后进行配置 python -m pip install --upgrade pip pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simp…
项目概述 1.1 项目目标 1.1.1 核心任务 利用分析师报告（文本模态）和多支股票的周 K 线数据（时间序列模态），通过 Transformer 模型预测股票未来几周的涨跌趋势。构建一个灵活、可扩展的多模态框架，为后续加入大环境数据、新闻、散户聊天记录和财报等数据源提供支持。 1.1.2 应用场景 为量化金融分析提供多模态支持，辅助投资决策或风险评估。设计具备扩展性，支持未来新增功能和数据源，进一步提升预测能力。 1.2 项目架构 1.2.1 多模态框架 文本模态：通过 FinBert（基于 Transformer 的金融预训练模型）从分析师报告中提取语义嵌入。 时间序列模态：利用 Tra…
1 绪论 1.1基本概念 1.2NLP发展历史 1.3NLP研究内容 1.4NLP基本问题 1.5NLP面临的困难 1.6NLP基本研究方法 2 NLP前置数学基础 2.1 概率论基础 2.1.1概率 2.1.2 条件概率 2.1.3 贝叶斯公式 2.1.4 期望 2.1.5 二项分布 2.1.6 激活函数 2.1.7 最大似然估计 2.1.8 梯度下降 2.2 信息论基础 2.2.1 熵 entropy 2.2.2 联合熵 2.2.3 条件熵 2.2.4 熵的连锁反应 2.2.5 熵率 2.2.6 互信息 2.2.7 互信息与熵的关系 2.2.8 相对熵 2.2.9 交叉熵 2.2.10语言…
实验目的 众所周知，人类自然语言中包含了丰富的情感色彩：表达人的情绪（如悲伤、快乐）、表达人的心情（如倦怠、忧郁）、表达人的喜好（如喜欢、讨厌）、表达人的个性特征和表达人的立场等等。 情感分析在商品喜好、消费决策、舆情分析等场景中均有应用。利用机器自动分析这些情感倾向，不但有助于帮助企业了解消费者对其产品的感受，为产品改进提供依据；同时还有助于企业分析商业伙伴们的态度，以便更好地进行商业决策。 学习对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。 使用仪器、材料 环境：Python 3.12.4 (Anaconda3） 开发工具：Visual Studio Code 实验过程原始记…
