您现在的位置:首页 >> 机器学习 >> 内容

m基于HMM和博弈模型的LSTM互联网情感词性分类识别matlab仿真

时间:2023/1/18 18:37:13 点击:

  核心提示:05_101_m,包括程序操作录像+参考文献...

1.完整项目描述和程序获取

>面包多安全交易平台:https://mbd.pub/o/bread/Y56Wmpty

>如果链接失效,可以直接打开本站店铺搜索相关店铺:

点击店铺

>如果链接失效,程序调试报错或者项目合作可以加微信或者QQ联系。

2.部分仿真图预览







3.算法概述

       在社交网络中,情感传播与信息传播类似。第一,信息传播的研究主体是信息,信息中包含着各种各样的情境,情感传播的研究主体是情感,情感蕴含着丰富多样的类型。第二,情感的传播依赖于信息的传播,所以情感的生命周期同样经历着:潜伏期-爆发期-蔓延期-衰退期。第三,信息传播存在着相互竞争,情感传播存在着相互影响。近年来,网络情感传播研究吸引了信息管理、传播学、心理学、社会学、公共管理等不同领域的学者参与,是一个跨学科研究领域。情感的传播涉及到个体认知、情感、行为多重作用,只有深入理解社会学理论,准确把握情感动力学机制,才能对情感传播进行深入有效的研究。

4.部分源码

function [Mu,LL]=func_hmm(X,T,K,Iteration,tol)

p   = length(X(1,:));

N   = length(X(:,1));

N   = N/T;

Cov = diag(diag(cov(X)));

Mu  = randn(K,p)*sqrtm(Cov)+ones(K,1)*mean(X);

Pi  = rand(1,K);

Pi  = Pi/sum(Pi);

 

P   = rand(K);

P   = rdiv(P,rst_sum(P));

 

LL  = [];

lik = 0;

 

alpha = zeros(T,K);

beta  = zeros(T,K);

gamma = zeros(T,K);

 

 

B=zeros(T,K);

k1=(2*pi)^(-p/2);

 

for ij=1:Iteration

    ij

    Gamma   = [];

    Gammasum= zeros(1,K);

    Scale   = zeros(T,1);

    Xi      = zeros(T-1,K*K);

    for n=1:N

        iCov = inv(Cov);

        k2   = k1/sqrt(det(Cov));

        for i=1:T

            for l=1:K

                d       = Mu(l,:)-X((n-1)*T+i,:);

                B(i,l)  = k2*exp(-0.5*d*iCov*d');

            end;

        end;

    

    scale     = zeros(T,1);

    alpha(1,:)= Pi.*B(1,:);

    scale(1)  = sum(alpha(1,:));

    alpha(1,:)= alpha(1,:)/scale(1);

    for i=2:T

        alpha(i,:) = (alpha(i-1,:)*P).*B(i,:);

        scale(i)   = sum(alpha(i,:));

        alpha(i,:) = alpha(i,:)/scale(i);

    end;

    

    beta(T,:) = ones(1,K)/scale(T);

    for i=T-1:-1:1

        beta(i,:) = (beta(i+1,:).*B(i+1,:))*(P')/scale(i); 

    end;

    

    gamma    = (alpha.*beta); 

    gamma    = rdiv(gamma,rst_sum(gamma));

    gammasum = sum(gamma);

    xi       = zeros(T-1,K*K);

    for i=1:T-1

        t       = P.*( alpha(i,:)' * (beta(i+1,:).*B(i+1,:)));

        xi(i,:) = t(:)'/sum(t(:));

    end;

    

    Scale    = Scale+log(scale);

    Gamma    = [Gamma; gamma];

    Gammasum = Gammasum+gammasum;

    Xi       = Xi+xi;

  end;

  Mu =zeros(K,p);

  Mu = Gamma'*X;

  Mu = rdiv(Mu,Gammasum');

  sxi= rst_sum(Xi')';

  sxi= reshape(sxi,K,K);

  P  = rdiv(sxi,rst_sum(sxi));

 

  Pi = zeros(1,K);

  for i=1:N

      Pi=Pi+Gamma((i-1)*T+1,:);

  end

  Pi=Pi/N;

  Cov=zeros(p,p);

  for l=1:K

      d=(X-ones(T*N,1)*Mu(l,:));

      Cov=Cov+rprod(d,Gamma(:,l))'*d;

  end;

  Cov=Cov/(sum(Gammasum));

  

  oldlik = lik;

  lik    = sum(Scale);

  LL     = [LL lik/T];

 

end

end

function Z=rst_sum(X)

Z=zeros(size(X(:,1)));

for i=1:length(X(1,:))

  Z=Z+X(:,i);

end

end

function Z=rdiv(X,Y)

Z=zeros(size(X));

for i=1:length(X(1,:))

    Z(:,i)=X(:,i)./Y;

end

end

function Z=rprod(X,Y)

[n m]=size(X);

Z=X.*(Y*ones(1,m));

end

05_101_m

作者:我爱C编程 来源:我爱C编程
本站最新成功开发工程项目案例
相关评论
发表我的评论
  • 大名:
  • 内容:
本类固顶
  • 没有
  • FPGA/MATLAB商业/科研类项目合作(www.store718.com) © 2025 版权所有 All Rights Reserved.
  • Email:1480526168@qq.com 站长QQ: 1480526168