1. 毕业设计（论文）的内容和要求

随着社交媒体的快速发展，微博、博客、微信、社交平台、新闻评论等社交网络正逐渐改变着人们的生活。

如今是一个信息爆炸的时代，如何利用这些海量的、庞杂的数据已慢慢成为了当下研究的热点内容。

随着近些年研究的深入和计算机硬件设备的改善，基于神经网络的模型越来越受到欢迎，深度学习在人工智能方面的处理能力也初步提升，越来越受到人们的重视。

2. 参考文献

[1] Zhihua Zhang, Man Lan. Learning Sentiment-inherent Word Embedding for Word-level and Sentence-Level Sentiment Analysis. IALP 2015, October24-25, 2015, Suzhou, China. [2] PETER D. TURNEY, MICHAEL L. LITTMAN. Measuring Praise and Criticism: Inference of Semantic Orientation from Association[D]. 2003. [3] ERIK BOIY. A machine learning approach to sentiment analysis in multilingual Web texts[J]. Information retrieval,2009,5(5). [4] Understanding LSTM Networks, colah#8217;s blog , Posted on August 27, 2015 [5] Li D，Qian J．Text sentiment analysis based on long shortterm memory［C］/ /2016 First IEEE International Conference on Computer Communication and the Internet ( ICCCI)， 2016: 471475 [6] 刘全, 梁斌. 一种用于基于方面情感分析的深度分层网络模型[J]. 《计算机学报》2018年第12期. [7] 支淑婷，李晓戈，王京博，王鹏华. 基于多注意力长短时记忆的实体属性情感分析[J]. 中国知网. 2018-09-19 [8] 基于深度学习的自然语言处理综述. 徐翼龙, 李文法, 周纯洁.计算机科学. 2018年10月 [9] 基于层次结构的多策略中文微博情感分析和特征抽取. 谢丽星，周 明，孙茂松. 中文信息学报. ２０１２年１月 [10] 江红. 情感分析研究综述. 智能计算机与应用. 2018年10月 [11] 吴帅，潘海珍. 基于隐马尔可夫模型的中文分词. 研究与开发. 2018 [12] 周纯洁, 黎巙, 徐翼龙. 文本情感分析研究[J]. 计算机科学. 2018年10月 [13] 邢长征, 李珊. 文本情感分析的深度学习方法. 计算机应用与软件. 2018年8月 [14] 於雯, 周武能. 基于LSTM的商品评论情感分析. 计算机系统应用. 2018 [15] 常 丹，王玉珍. 基于词典的商品评论情感分析. 邵阳学院学报. 2018年10月 [16] 陈龙，管子玉，何金红等．情感分类研究进展［J］．计算机研究与发展，2017，54(6):11501170． [17] 尹宝才，王文通，王立春．深度学习研究综述［J］．北京工业大学学报，2015(1):4859． [18] 李阳辉，谢明，易阳．基于深度学习的社交网络平台细 粒度情感分析［J］．计算机应用研究，2017，34(3):743747．

3. 毕业设计（论文）进程安排

2018-12-24～ 2018 -12-31 选题。

2018-01-01～2019-02-28 查阅文献资料，准备开题报告，正式开题。

2019-03-01～ 2019-03-15 预处理原始用户文本数据包 2019-03-16～ 2019-04-15 对用户文本数据进行分析特征提取 2019-04-16～ 2019-05-15 将情感分析结果展示出来 2019-05-16～ 2019-05-31 认真撰写毕业设计论文； 完成英文文献的翻译工作。