基于循环神经网络生活短评情感分析系统文献综述

文献综述

文 献 综 述一、选题依据1.课题背景1933年，西班牙神经生物学家Rafael Lorente de N发现大脑皮层的解剖结构允许刺激在神经回路中循环传递，并由此提出反响回路假设。

该假说在同时期的一系列研究中得到认可，被认为是生物拥有短期记忆的原因。

随后神经生物学的进一步研究发现，反响回路的兴奋和抑制受大脑阿尔法节律（alpha;-rhythm）调控，并在alpha;-运动神经中形成循环反馈系统(recurrent feedback system)。

在二十世纪70-80年代，为模拟循环反馈系统而建立的一些数学模型为RNN带来了启发。

循环神经网络（Recurrent Neural Network, RNN）是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络。

对循环神经网络的研究始于二十世纪80-90年代，并在二十一世纪初发展为深度学习算法之一，其中双向循环神经网络（Bidirectional RNN, Bi-RNN）和长短期记忆网络（Long Short-Term Memory networks，LSTM）是常见的循环神经网络。

循环神经网络具有记忆性、参数共享并且图灵完备，因此在对序列的非线性特征进行学习时具有一定优势。

循环神经网络在自然语言处理，例如语音识别、语言建模、机器翻译等领域有应用，也被用于各类时间序列预报。

引入了卷积神经网络（Convolutional Neural Network,CNN）构筑的循环神经网络可以处理包含序列输入的计算机视觉问题。