機器學習與 深度學習 導論 PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

基於機器學習與深度學習之情緒分析研究與實作

為了解決機器學習與 深度學習 導論 PTT的問題，作者林子皓 這樣論述：

現今隨著深度學習技術的飛速進步，深度學習類神經網路已在電腦視覺和自然語言處理等許多領域有著革命性改變，也隨著深度學習應用的普及，漸漸融入越來越多的使用者和應用程式的智能化服務，逐漸影響人們的日常生活。相較於傳統的人工智慧，現有的深度學習方法不需要太多的專業領域知識，僅需提供問題與相對應的答案做為訓練資料，即可令電腦學習出一套深度學習模型來回答新的問題，因此在深度學習中如何蒐集與準備大量的訓練資料尤為重要。本論文提出一套基於機器學習分析大量未標注情緒資料的方法，利用少量資料訓練機器學習模型，令機器學習模型分析出大量資料的情緒類別，再利用機器學習分析出的大量資料訓練深度學習模型，並從訓練中提取出

字詞的不同情緒，建立各種情緒詞庫。本論文的工作主要分成以下幾大步驟，首先，利用網路爬蟲技術蒐集網路上大量不同類別的資料，由於數位化的趨勢現今民眾會在各大網路平台上發表對議題的看法，像是PTT論壇，PTT是一個已有不同分類版的論壇，其次，因為PTT論壇的留言具有推噓功能，且有討論版對導論議題的分類，所以可以直接對蒐集到的資料給予符合議題類別的標籤與正負評的標籤，這樣就可以幫訓練資料自動上標籤。最後，透過機器學習貝氏分類器兩層分別訓練具有議題類別標籤與正負評標籤的資料後，可以得到分類議� �的模型與分類正負評的模型。之後可以將來自於網路上各處的資料，再透過分類正負評的模型分類資料正負評，幫助這些來

自網路各處的資料自動填上議題標籤與正負評標籤，進而去訓練各種不同的深度學習模型。本論文提出一套自動化蒐集資料，並且自動對資料進行標籤分類的演算法，透過以上方式解決深度學習訓練模型時大量人力標注資料的問題。